多數論文的研究問題,都會討論到變項之間的影響或預測,此時會利用迴歸模型,分析多個自變項(X)對於依變項(Y)的預測結果,除了知道每個自變項(X)對於依變項(Y)的影預測是否顯著之外,還可以知道其預測的方向性及強度,最後,我們可以根據此迴歸結果,建立迴歸預測的方程式,針對後續新進的樣本,可以迴歸方程式中需要的自變項代入,用來得到依變項(Y)的預測結果。
本篇文章準備了示範資料,樣本數為140人,共包括了5個自變項(X)與依變項(Y)-睡眠品質分數,分數越高,代表睡眠困擾越嚴重,5個自變項(X)介紹如下。
X1,性別(類別變項):1=男性,0=女性
X2,年齡(連續變項)
X3,工作狀態(類別變項):1=有工作,0=無工作
X4,情境焦慮程度(連續變項),分數越高,焦慮程度越高
X5,生活壓力程度(連續變項),分數越高,壓力程度越高
多元線性迴歸:
(1)「分析」à「迴歸」à「線性」。
(2)將依變項-睡眠品質分數丟入「依變數」。
(3)將自變項全部丟入「自變數」。
(4)按下「確定」。
(5)判定係數R平方0.198,代表解釋力為19.8%。
(6)F = 6.559達顯著水準,代表此迴歸模式的建立具有顯著的統計意義。
(7)「性別」的迴歸係數達顯著正值(B = 1.381,β = .186,p = .033),代表男性(1)相對於女性(0),會有較高的睡眠品質分數,代表睡眠較差。
(8)「情境焦慮程度」的迴歸係數達顯著正值(B = 0.099,β = .283,p = .002),代表當情境焦慮程度的分數越高時,睡眠品質分數也會越高,換句話說,受訪者的焦慮程度越高時,睡眠困擾的問題也會越嚴重。
(9)「生活壓力程度」的迴歸係數達顯著正值(B = 0.023,β = .202,p = .026),代表當生活壓力程度的分數越高時,睡眠品質分數也會越高,換句話說,受訪者的壓力程度越高時,睡眠困擾的問題也會越嚴重。
透過此迴歸分析結果,可以建立迴歸方程式為
睡眠品質分數=0.505 + 1.381*性別 + 0.005*年齡 + (-0.034)*工作狀態 + 0.099*情境焦慮程度 + 0.023*生活壓力程度
用迴歸分析進行預測:
(10)本篇文章在示範資料中,增加7筆新進樣本,而這7筆樣本只會有自變項的資料,不會有依變項-睡眠品質的分數,因此這7筆的依變項為遺漏值。這邊提醒一下,不需擔心這7筆樣本的數據會影響到原來迴歸方程式的結果,因為在迴歸分析中,若樣本在任一自變項或依變項有遺漏值時,皆會被視為無效樣本,因此對迴歸來說,這7筆樣本就是無效樣本。
(11)回到迴歸分析頁面,點選「儲存」。
(12)勾選預測值裡的「未標準化」,未標準化即是依變項的原始分數。
(13)按下「確定」。
(14)回到SPSS的資料頁面,可以發現新增7筆樣本,軟體已經幫我們填入睡眠品質的預測得分。