兩個變數是正相關,多元迴歸中迴歸係數B值是負值,產生這種現象一般有幾種情況:
1、出現多重共線性
由於多元迴歸分析中,會同時將多個X(解釋變數)加入到模型中,這時候就很容易產生一個問題就是,多個X之間本身就存在很強的相關關係,即X之間有著比較強的替代性。如果各個自變數x之間有很強的線性關係,就無法固定其他變量了,因此出現共線性問題,可能導致迴歸係數的符號與實際情況完全相反,本應該顯著的自變數不顯著,本不顯著的自變數卻呈現出顯著性。
解決方法
針對共線性問題的解決方案上,可以觀察出現共線性的變數,如不具有實際意義,可手動剔除不重要的解釋變數;或者利用因子分析合併變數;或考慮使用逐步迴歸進行分析,直接移除出共線性的自變數X;當變數數不夠,不能選擇剔除變數時,可以考慮增大樣本容量,儘量使樣本容量遠大於自變數個數;如共線性變數比較重要,不可剔除時可以考慮使用嶺迴歸。
2、存在異常值
相關分析對異常值的存在不敏感,但在迴歸分析中,存在異常值可能會導致模型構建產生偏差,所以做迴歸分析前,可透過箱盒圖檢視資料情況,以及有無異常值。同時可用SPSSAU資料處理中“異常值”功能,剔除異常值後再進行分析。
3、如果不存在以上問題,則說明資料正常
出現此類問題的原因很可能是Suppressor effect(壓抑效應)。
此時應該以相關分析結論為準,以“有相關關係但沒有迴歸影響關係”作為結論
相關資料
共線性問題:spss分析存在共性線後,接下來是怎麼分析?
相關回歸:線上SPSS-SPSSAU-相關回歸
兩個變數是正相關,多元迴歸中迴歸係數B值是負值,產生這種現象一般有幾種情況:
1、出現多重共線性
由於多元迴歸分析中,會同時將多個X(解釋變數)加入到模型中,這時候就很容易產生一個問題就是,多個X之間本身就存在很強的相關關係,即X之間有著比較強的替代性。如果各個自變數x之間有很強的線性關係,就無法固定其他變量了,因此出現共線性問題,可能導致迴歸係數的符號與實際情況完全相反,本應該顯著的自變數不顯著,本不顯著的自變數卻呈現出顯著性。
解決方法
針對共線性問題的解決方案上,可以觀察出現共線性的變數,如不具有實際意義,可手動剔除不重要的解釋變數;或者利用因子分析合併變數;或考慮使用逐步迴歸進行分析,直接移除出共線性的自變數X;當變數數不夠,不能選擇剔除變數時,可以考慮增大樣本容量,儘量使樣本容量遠大於自變數個數;如共線性變數比較重要,不可剔除時可以考慮使用嶺迴歸。
2、存在異常值
相關分析對異常值的存在不敏感,但在迴歸分析中,存在異常值可能會導致模型構建產生偏差,所以做迴歸分析前,可透過箱盒圖檢視資料情況,以及有無異常值。同時可用SPSSAU資料處理中“異常值”功能,剔除異常值後再進行分析。
3、如果不存在以上問題,則說明資料正常
出現此類問題的原因很可能是Suppressor effect(壓抑效應)。
壓抑效應是指X對Y同時存在兩種路徑,一是對Y的直接影響,二是透過中介變數Z產生影響,而且直接和間接影響的方向正好相反,相互抵消,因此導致在不控制Z的情況下,X對Y的影響很小,甚至為零,而實際上兩者之間存在較大的因果關係。此時應該以相關分析結論為準,以“有相關關係但沒有迴歸影響關係”作為結論
相關資料
共線性問題:spss分析存在共性線後,接下來是怎麼分析?
相關回歸:線上SPSS-SPSSAU-相關回歸