有關統計方法的諮詢，迴歸分析是最常被詢問的統計方法之一，如何操作軟體、如何解讀報表、如何呈現結果，這些相信在坊間教科書或是上網就可以找到一堆教學資料，前提是要輸入對的關鍵字，因此我們這篇就來討論『該選什麼迴歸分析』。
會想討論這個題目，是因為偶爾會遇到類似下面這個問題，「請問按照我的資料，我應該要用多元迴歸呢？還是複迴歸呢？還是線性迴歸呢？」，沒錯，這三個迴歸有87%的機率指的是同一種迴歸，相信會遇到這樣的問題，因為參考來源的paper對於迴歸名稱不一樣所致，因此我們必須靠自己瞭解這些名稱的組合。
首先，先按照依變項的分布判斷迴歸模型，在社會科學領域中，就我所做的案件經驗裡，有九成使用了線性迴歸（當依變項為連續變項時），有一成使用了羅吉斯迴歸（當依變項為類別變項時），在這種出現率差異極大的情況下，當沒有特別宣稱使用哪種迴歸時，一般都會認定是用線性迴歸，至於其他如羅吉斯迴歸就會特別強調。
再來，按照自變項（解釋變項）數，分成了一個自變項的簡單迴歸（Simple regression），以及兩個以上自變項的多元迴歸（又稱複迴歸，Multiple regression），但簡單迴歸出現的比例不到5%，主要原因當自變項僅一個時，通常會以獨立樣本t檢定/單因子變異數分析/皮爾森積差相關來進行分析，同樣的，當沒有特別宣稱是使用簡單迴歸或是多元（複）迴歸時，指的應該都是多元（複）迴歸，所以結合上一段敘述，如果有文章宣稱使用迴歸分析時，大多指的是多元線性迴歸。
最後，就是變項選擇的方法，實務上分成了全部進入法（又稱強迫進入法，Enter）與逐步法（Stepwise），一般大家比較常見的就是逐步迴歸，卻沒聽說過全部迴歸或強迫迴歸，因此如果迴歸分析裡沒看到逐步二字即是使用全部進入法，是將所有的自變項都考慮在迴歸模式裡，而逐步法是一個替代作法，從所有的自變項中挑選具有解釋力的預測變項，企圖得到一個最少自變項卻有較大解釋力的迴歸模型，不過這兩種迴歸在paper出現的比例其實是差不多。
綜合以上所述，如果今天已經確認要做多元線性迴歸模型，那唯一要決擇的就是要使用全部進入法或逐步法，判斷依據有（1）遵循參考的paper；（2）若目的為要檢驗所有變項的聯合解釋情形，會採取全部進入法，但如果要得到最有效率的解釋模型，則會採取逐步法；（3）若目的是想找到主要影響因子，也沒參考paper，我會建議先使用全部進入法，若是有共線性問題而造成結果不合理，或是因樣本數不足導致多數自變項不顯著，那麼則會考慮使用逐步法再試試。
留言列表
{{ article.title }}