主題六、相關、迴歸與預測

1. 主題六、相關、迴歸與預測 主講人 陳陸輝 特聘研究員兼主任 政治大學選舉研究中心 美國密西根州立大學博士 政治學研究方法班

2. 講授主題 一、預測與變數之間的關係 二、最小平方迴歸線 三、預測的誤差 四、OLS的特性 五、迴歸模型中的適合度檢定 政治學研究方法班

3. 迴歸的使用時機 • 當我們的依變數是數字資料，自變數是類別或是數字資料，可以使用迴歸分析。 • 以模型中的自變數的變化情況，來解釋或是預測依變數的變化情況。 政治學研究方法班

4. 線性函數的例子一 政治學研究方法班

5. 圖7.1 政治學研究方法班

6. 線性函數 自變數 依變數 截距 斜率 X軸 Y軸 政治學研究方法班

7. 斜率與回歸線方向 政治學研究方法班

8. 一、李登輝與國民黨 民眾對李登輝（X）與國民黨（Y）評價之關聯性： 政治學研究方法班

9. 皮爾森積差相關係數的計算與解釋實例 政治學研究方法班

10. 以圖形表示變數之間的關係 民眾對李登輝（X）與國民黨（Y）評價之關聯性的散佈圖： 政治學研究方法班

11. 幾種圖形的可能 1.一直線 2.一團線 3.其他情況 4.方向 5.強弱 6.關聯性與預測 政治學研究方法班

12. 迴歸分析基本邏輯 以模型中的自變數（對李登輝評價＿X）的變化情況，來解釋或是預測依變數（對國民黨評價＿Y）的變化情況。 我們想找到一條預測的迴歸線，將我們觀察值與對國民黨評價的預測值之間的誤差平方，降到最低。則這一條就是所謂的最小平方迴歸線（least-squares regression line ），這種估計方法，就是所謂的普通最小平方法（ordinary least squares method, OLS method）。 政治學研究方法班

13. 二、最小平方迴歸線 （10.1） • Y是我們的依變數，對李登輝總統的評價。 • X1是我們的自變數或是解釋變數，是一個用來解釋影響李登輝先生評價的因素。 • β0是迴歸方程式中的常數項，它的定義是當我們把其他解釋變數的值設定為0時，依變數，Y，的平均值。 • β１是解釋變數X1的係數，他表示當X1每變動1單位時，Y變動的量。 • ε則是我們模型中的誤差項，當誤差愈小，表示我們的模型愈能夠正確地預測我們的依變數。 政治學研究方法班

14. 預測的方程式 政治學研究方法班

15. 迴歸估計結果 政治學研究方法班

16. 迴歸的解釋與預測之實例 • 當民眾對李登輝的評價為0的時候，我們預測他對國民黨的評價為19.88分 • 當民眾對李登輝的評價每增加1分，他的對國民黨的評價就會增加0.502分 • 當一個民眾對李登輝的評價是60分的時候，我們預測他對國民黨的評價分數就是50分 政治學研究方法班

17. 迴歸模型的適合度—R-Square 其分佈介於0到1之間，被稱之為模型解釋變異量。 政治學研究方法班

18. R-Square的定義 1.（樣本的）決定係數 2.模型解釋變異量（百分比） 3.自變數對依變數的影響力 4.（測量）誤差量 政治學研究方法班

19. 三、預測的誤差 （10.1） ε是我們模型中的誤差項，當誤差愈小，表示我們的模型愈能夠正確地預測我們的依變數。 政治學研究方法班

20. 迴歸估計的標準誤S.E.E. 政治學研究方法班

21. 估計的標準誤的使用 S.E.E.告訴我們模型預測的精確程度，當它愈小，代表我們做的預測更精確，也讓我們更有信心。 Achen (1982: 62)認為，因為S.E.E.不受解釋變數的變異程度大小而影響且它的單位與依變數相同，所以，是一個比較好的模型適合度的判斷標準。 政治學研究方法班

22. 四、OLS的特性 當OLS對是最佳線性無偏估計(Best Linear Unbiased Estimator, BLUE)，它具有以下幾個特性： • 它對一個隨機變數是具有線性關係 • 它是一個無偏估計。 • 它的變異數最小－是最有效率的估計量。 政治學研究方法班

23. OLS重要的假設 政治學研究方法班

24. 線性關係 政治學研究方法班

25. 誤差項的期望值為0 政治學研究方法班

26. 誤差項的條件變異數均相同 政治學研究方法班

27. 誤差項的條件變異數不相同 政治學研究方法班

28. 誤差項無自我相關 政治學研究方法班

29. 自變數為重複抽樣固定觀察值，依變數為隨機變數自變數為重複抽樣固定觀察值，依變數為隨機變數 政治學研究方法班

30. 自變數之間彼此無線性關係 下次將會詳細說明 政治學研究方法班

31. 樣本數(n)大於自變數(k): n>=k+1 不然如何解釋 政治學研究方法班

32. 解釋變數須不為常數 常數當然無法解釋變數 政治學研究方法班

33. 模型經適當設定 不忽略重要變數、函數正確 政治學研究方法班

34. 五、迴歸模型中的適合度檢定 1.我們要看迴歸方程式中，單一解釋變數，是否顯著，則用t 檢定。所以，該變數的估計係數與該估計係數的標準誤，決定t 檢定的結果。 2.如果我們要考慮加入一個或是一組新變數，對於模型的解釋力有沒有「顯著」提升，此時，可以用 F 檢定。 3.如果要同時考慮好幾個變數，則個別變數顯著與否，可以參考t 檢定，整組變數（整個模型）是某顯著，則可參考F 檢定。 政治學研究方法班

35. 迴歸模型的各種資訊 1.R-Square/Adjuested R-Square 2. F -test 3.SEE (Standard Error of Estimator) 4. B /(S.E.)/t -value 5. Standardized B (Beta) 政治學研究方法班

36. SPSS的簡單迴歸模型操作 基本問題： 政治信任是人民對於政府的信念（faith），影響的因素可以從三個角度討論。首先是個人政治社會化的過程、其次是政府或是政治人物的表現，第三個因素則是制度安排。本研究針對民眾對國民黨的喜好程度以及對於馬英九的喜好度，檢視政治社會化以及對政治人物好惡，是否影響其政治信任。 政治學研究方法班

37. 指標建構 本研究運用以上資料建構一個政治信任的指標，數值愈大，表示信任程度愈高。數值經過重新編碼，每一題以1表示信任感相當低，4表示信任感極高，四個題目取其平均值，新的數值分佈介於1到3.5之間，平均數為2.17標準差為0.44，內在一致信的信度檢定結果（Cronbach’s α）為0.60。 政治學研究方法班

38. 自變數 對執政黨的喜好程度： N2—0~10 J6C—0~10 其他數值改為系統遺漏值（system missing） 政治學研究方法班

39. 迴歸模型的操作 Analyze Regression Linear 先放入依變數：D7NS4 自變數：N2N 政治學研究方法班

40. 對執政黨好惡與政治信任 研究假設： 從政治社會化的角度出發，本研究認為：民眾對於執政黨的好惡，會影響其政治信任。 統計虛無假設： 統計對立假設： 政治學研究方法班

41. 對執政黨好惡與政治信任的估計結果 政治學研究方法班

42. 對執政黨好惡與政治信任的模型解釋 統計解釋： 從表一中可以發現：民眾對國民黨的喜好程度，對其政治信任具有顯著影響力。 政治學研究方法班

43. 對執政黨好惡與政治信任的模型解釋 研究論文： 本研究運用四個變數建構的政治信任量表，並進一步分析民眾對於執政黨的好惡情況會不會影響其政治信任。表一中發現：民眾對國民黨的喜好程度，對於民眾政治信任具有顯著影響。民眾對國民黨的好惡程度愈高，其政治信任愈高。當民眾對國民黨的喜好程度每增加一個單位，其政治信任就增加0.051單位。 政治學研究方法班

44. 迴歸模型的操作 Analyze Regression Linear 先放入依變數：D7NS4 自變數：J6C 政治學研究方法班

45. 對執政黨好惡與政治信任 研究假設： 從政治究責（accountability）出發，本研究認為：民眾對於執政者的好惡，會影響其政治信任。 統計虛無假設： 統計對立假設： 政治學研究方法班

46. 對馬英九好惡與政治信任的估計結果 政治學研究方法班

47. 對馬英九好惡與政治信任的模型解釋 統計解釋： 從表一中可以發現：民眾對馬英九的好惡程度，對其政治信任具有顯著影響力。 政治學研究方法班

48. 對執政黨好惡與政治信任的模型解釋 研究論文： 本研究運用四個變數建構的政治信任量表，並進一步分析民眾對於執政黨的好惡情況會不會影響其政治信任。表二中發現：民眾對馬英九的喜好程度，對於民眾政治信任具有顯著影響。民眾對馬英九的喜好程度愈高，其政治信任愈高。當民眾對馬英九的喜好程度每增加一個單位，其政治信任就增加0.048單位。 政治學研究方法班

49. 尋找研究問題 政治信任 政治支持 影響因素（起源） 政治重要（後果） 政治學研究方法班