Logit回归的SPSS操作
SPSS操作
首先，在主菜单中点击Analyze > Regression > Binary Logistic，点击后出现Logistic Regression 对话框。其次，将因变量国际新市场进入选入 Dependent框中，自变量企业规模、企业国际化经验和 国际环境不确定性选入Covariates框中，Methods选项 选择默认值，即“Enter”。再次，点击Categorical 键，可显示Logistic Regression：Define Categorical Variables对话框。
02 偏相关分析 03 距离相关分析
相关分析和回归分析
联系
变量间关系的方向一致； 对同一样本的假设检验一致； 用回归解释相关系数的平方
r2称为决定系数，是回归平 方和与总的离均差平方和之 比，故回归平方和是引入相 关变量后总平方和减少的部 分，其大小取决于r2。
区别
在回归分析中，变量X和变量Y主要为因果关 系或从属关系，而在相关分析中，变量X和变 量Y处于平等相互的地位。
05 曲 线 回 归
曲线关系的检验——SPSS操作
建立创业导向的乘积项
从“Analyse Data”菜单选择“Descriptives”，然 后选择“Descriptives”。将属于所有变量的标签调 转入标记有“Variables”的筐，点击左下角方框将标 准化得分另存为变量，得到ZEO。其次，从 “Transform”菜单选择“Compute”。在标记为 “Target Variables”的筐内，输入代表新列或乘积 项的名称，如“EO-squ”。在标记为“Numerical Expression”的筐内，制定合适的公式，如ZEO*ZEO。
06 L o g i t 和 P r o b i t 回 归
Logit回归的SPSS操作
研究设计
本研究想要探讨企业规模、企业国际化经验、国际环 境不确定性对企业国际新市场进入的影响。其中，因 变量为国际新市场进入，属于二分类变量（0=不进入； 1=进入）；自变量企业国际化经验为二分类变量（0= 无经验；1=有经验），企业规模、国际环境不确定性 为连续变量。
02
自变量与调节变量均为连续变量时，第一步将两个变量 中心化，中心化的目的是避免回归方程中各变量之间的
多重共线性问题。
03
当自变量是连续变量，调节变量是类别变量时，按照调 节变量的类别做分组回归。分别做Y对X的回归，若回归
系数显著，则证明调节效应显著。
04
当自变量为类别变量，调节变量为连续变量时，对自 变量使用伪变量。
Logit回归的SPSS操作
SPSS操作
鉴于SPSS要求定义所有分类自变量，因此，将 Covariates分类自变量企业国际化经验选入 Categorical Covariates框中。接着，点击Continue 键，回到Logistic Regression对话框。然后，点击 Options键，显示出Logistic Regression：Options对 话框，在-Statistics and Plots-区域，选中 Classification plots，Hosmer-Lemeshow goodnessof-fit，Casewise listing of residuals和CI for exp（B）这4个选项；在Display区域，选中At last step选项。点击Continue键，即可返回Logistic Regression对话框。最后，击OK键，即可分析生成结
管理学研究方法与论文写作
Management Research Methods and Thesis Writing
杨学儒 董保宝 叶文平 主编
第八章：常见模型的数据分析过 程与技巧：以SPSS为例
01 常见模型概述
常见模型概述
只含有中介的模型
多重中介模型的类别： 并行多重中介模型
链式多重中介模型
区别：一是根据字面可以看见，词根表示首
先存在的效应；二是在“有中介的调节”中， 交互影响一定是在第一阶段；而在“有调节的 中介”中，交互效应在第一阶段和第二阶段均 可。
02 样本概况与描述性统计
对于数据来源的考量
01 样本来源的企业。 02 样本所针对的目标调查对象。 03 样本数据的收集过程以及样本最后所呈现的结构内容。
描述性统计的主要作用
作用
描述性统计是描述原始数据特性的最佳指标，它对 于中心位置的度量、中心情况的度量以及数据集中 观测值相对位置的度量均有详细描述。
描述性统计可以在进一步分析之前，侦测隐藏在数 据中的异常值或者由于观测、录入数据时的错误， 防止对结果产生不良影响。
01
定性变量
在描述定性变量时，频 数和频率是两个重要指 标。
07 中 介 效 应 检 验
中介效应检验方法
01 逐步检验法 02 系数乘积检验法 03 差异系数检验法 04 Bootrapping
08 调 节 效 应 检 验
显变量的调节效应分析方法
01
自变量与调节变量均为类别变量时，做多因素方差分析，此时的交互效应即为调节效应。若交互 效应显著，则调节效应显著。
曲线关系的检验——SPSS操作
进行回归分析
从“Analyse Data”选择“Regression”后选择 “Linear”。将新创企业绩效指定为因变量，Method 选择“Enter”。Block1中将企业年龄、企业规模、环 境动态性指定为自变量后，点击“next”；Block2中 将创业导向指定为自变量后，点击“next”；Block3 中将创业导向平方指定为自变量后，点击“next”。 然后，点击“Statistic”按钮后，勾选 “Estimates”“Model fit”“R square change”， 点击“continue”。
09 跨 层 级 回 归
多层线性模型原理与内涵
01
当我们试图证明因变量Y的总体变异是怎样受到第一层和第二层因素的影响时，便需要构建一个多 层线性模型以表述不同层级变量之间的关系。
02 因而，我们给出两层次模型的一般数学表达式：
10 分 析 结 果 报 告 的 撰 写
示例与技巧
具体分析报告撰写步骤
相关分析
01 研究变量之间的相关关系
研究变量之间的相关关系主要从两个方向 进行：一是相关分析，即通过引入一定的 统计指标量化变量之间的相关程度：另一 个是回归分析。但是回归分析更注重于因 果关系，而不仅仅是相关关系。
相关性分析的分类
01 简单相关分析 Pearson相关系数 Spearman等级相关系数 Kendall’s tau-b相关系数
相关分析中，变量均为随机变量。但在回归 分析中，因变量Y可以是随机变量，自变量X 可以是随机变量，也可以是非随机的确定变 量。
相关分析的目的是把两变量间线性关系的密 切程度及方向用一统计指标表示出来；回归 分析的目的则是把自变量与应变量间的关系 用函数公式定量表达出来。
多重共线性检验方法
01 相关系数检验 02 辅助回归模型检验 03 方差膨胀因子法 04 直观判断法
常见模型概述
只含有调节的模型
同时包含中介和调节的模型
典型的同时包含中介和调节的模型
有中介的调节
有调节的中介
有调节的中介和有中介的 调节的联系与区别
01 联系与区别
联系：从理论上说，对于“有调节的中介”
的模型的建立，主要目的是研究不同群体之间 的中介效果是否保持不变，这是一种有条件的 间接影响。
04 多 元 线 性 回 归
多元线性回归模型的作用
01 找出一个线性方程式，用来说明一组 自变量与因变量的关系
02 了解这个方程式预测能力如何 03 整体关系是否达到显著水平 04 在解释因变量的变异时，是否只采用
某些自变量即具有足够的预测力
多元线性回归的适用条件
01 线性（linear） 02 独立（independence） 03 正态（normality） 04 方差齐性（equal variance）
描述Байду номын сангаас统计的变量描述
02
定量变量
• 数据的集中趋势 • 数据的离散程度 • 数据的分布形状，
反映数据分布的 偏态和峰态
03相关性分析与多重共线性检验
数据的质量分析
效度分析 信度分析
非应答偏差 同源误差
变异来源的识别和测量的方法
识别和测量的方法
分离出可测量的方法的变异来源 分离出一个标签变量 分离出第一公因子
01 阐述数据分析策略和要求 02 展示回归分析中多层回归模型概况 03 依据假设提出顺序分步骤进行检验 04 说明检验目的 05 分步骤解读指标内涵
感
谢
聆 听