定序变量回归模型在心理数据分析中的应用

发布时间：2017-10-12 06:13

  本文关键词：定序变量回归模型在心理数据分析中的应用

  更多相关文章： 定序变量 回归模型 心理数据 工作生活质量

【摘要】：定序变量在心理现象和心理数据中随处可见,采用综合的定序变量回归分析模型可以对"镜像模式"和"漏斗模型"的心理现象做出合理的解释和预测。首先通过非参数检验对影响因素进行初步降维,其次用Probit定序回归对降维后的影响因素贡献率进行判别,从而进一步筛选具有显著性判断水平的有效指标,最后用Logistic回归模型对某种特定的心理现象发生与否进行信息量足够大的解释和预测。大学毕业生工作生活质量满意度的预测对这种综合定序变量回归分析模型的实例拟合,证实了综合定序变量回归分析模型在心理现象和心理数据分析中的应用价值。
【作者单位】： 广州大学职业发展教研室;广州大学经济与统计学院;广州大学心理与脑科学研究中心;
【关键词】： 定序变量 回归模型 心理数据 工作生活质量
【基金】：广东省哲学社会科学“十二五”规划项目(GD11CJY11) 教育部人文社会科学研究规划项目(11YJAZH106) 全国统计科学研究重点项目(2014LZ57)资助
【分类号】：B842
【正文快照】： 1心理数据的定序变量特征定序变量是随机现象中最为常见的一种分类变量。定序变量的水平由定序尺度计量形成定序数据,仅具有大于或小于的数学特性,故不能进行数值计算。以往的研究多采用多水平变量的中位数作为代表值来描述定序数据的分布特征(Helenowski,Demirtas,Mc Gee,20，

本文编号：1017097