Svečias
Titulinis Mokymai Mokymų medžiaga Metodologiniai paketai Taikomoji regresija
Apie mokymus
Mokomieji duomenys
E. mokymai
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Pavyzdinis metodologinis mokomasis studijų paketas

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Autorus Prof. habil. dr. Vydas Čekanavičius

Ankstesnis dokumentas Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

7. PUASONO REGRESINĖ ANALIZĖ
7.2. Puasono regresinė analizė su SPSS
       7.2.5. SPSS komandų sintaksė Puasono regresinei analizei

Surašysime, kaip atrodo SPSS komandos, nagrinėtajam Puasono regresijos pavyzdžiui. Jas galima naudoti sintaksės lange, pasirenkant opciją Run. Duomenų atranka:

USE ALL.
COMPUTE filter_$=(imptrad <= 2 & eduyrs <= 10).
VARIABLE LABELS filter_$ 'imptrad <= 2 & eduyrs <= 10 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMATS filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE.

Naujo kintamojo kūrimas, jo vidurkis, dispersija ir dažnių grafikas:

COMPUTE numbhh=hhmmb-1.
EXECUTE.
FREQUENCIES VARIABLES=numbhh
/STATISTICS=VARIANCE MEAN
/BARCHART FREQ  /ORDER=ANALYSIS.

Puasono kintamojo generavimas:

COMPUTE Pois1=RV.POISSON(1). EXECUTE.

Kolmogorovo – Smirnovo testas:

NPAR TESTS
/K-S(NORMAL)=numbhh
/K-S(POISSON)=numbhh
/MISSING ANALYSIS.

Pats Puasono regresijos modelis:

GENLIN numbhh WITH agea cldcrsv
/MODEL agea cldcrsv INTERCEPT=YES
DISTRIBUTION=POISSON LINK=LOG
/CRITERIA METHOD=FISHER(1) SCALE=1 COVB=MODEL
MAXITERATIONS=100 MAXSTEPHALVING=5
PCONVERGE=1E-006(ABSOLUTE) SINGULAR=1E-012
ANALYSISTYPE=3(WALD) CILEVEL=95 CITYPE=WALD LIKELIHOOD=FULL
/MISSING CLASSMISSING=EXCLUDE
/PRINT CPS DESCRIPTIVES MODELINFO FIT
SUMMARY SOLUTION (EXPONENTIATED).

NAUJIEMS VARTOTOJAMS
NAUJIENOS
Naujienlaiškis

Nr.1  2009 07-11
Nr.2  2009 12-2010 02
Nr.3  2010 03-05
Nr.4  2010 06-08
Nr.5  2010 09-11
Nr.6  2010 12-2011 02
Nr.7 2011 03-05
Nr.8 2011 06-08
 
© KTU Politikos ir viešojo administravimo institutas
Atnaujinta 2018-09-27