一般线性模型 (GLM)

系数

  

使用 p 值确定模型中哪些系数与零（无效应）之间存在显著差异。

对于类别因子，系数表列出了每个因子的每个水平的估计系数。该表还为交互作用效应列出了所有因子水平的组合。查看系数表中特定水平的效应前，应首先查看方差分析表中各项的 p 值。在确定一组显著效应（例如主效应或交互作用效应）之后，可以使用系数表评估单个效应。

如果方差分析表表明高次或交互作用效应显著，则应先观察这些效应，因为它们会影响主效应的解释方式。要使用 p 值，需要：

·    为要评估的效应确定 p 值。

·    将此 p 值与您的 a 水平进行比较。常用的 a 水平为 0.05。

-    如果该 p 值小于或等于 a，则说明效应显著。

-    如果该 p 值大于 a，则说明效应不显著。

·    评估 VIF 值。如果 VIF 值都接近于 1，则这表示预测变量不相关。VIF 值大于 5 表明未充分估计回归系数。

输出示例

 

系数
 
                                               方差膨
项            系数  系数标准误    T 值   P 值  胀因子
常量        2.7275      0.0245  111.29  0.000
主题
  1        -0.5775      0.0443  -13.04  0.000    1.87
  2         0.0792      0.0380    2.08  0.045    1.44
  3         0.3858      0.0418    9.23  0.000    1.60
学历
  1        -0.3400      0.0373   -9.11  0.000    1.85
  2        -0.2600      0.0355   -7.33  0.000    1.92
主题*学历
  1 1      -0.0100      0.0676   -0.15  0.883    3.53
  1 2       0.0600      0.0666    0.90  0.374    3.42
  2 1      -0.0167      0.0561   -0.30  0.768    2.14
  2 2      -0.0267      0.0532   -0.50  0.619    2.03
  3 1      -0.0233      0.0660   -0.35  0.726    2.80
  3 2      -0.0033      0.0576   -0.06  0.954    2.42
                                                     

解释

对于薪金数据，结果可以汇总如下：

·    学科在所有三个水平下都非常显著（p= 0.000、0.045 和 0.000）

·    学历在两个水平下都非常显著（P = 0.000）。

·    学科和学历之间的交互作用在任何因子水平的组合下都不显著。所有交互作用的 p 值都大于 0.05 a 水平。因此，一个预测变量的效应并不依赖于另一个预测变量的值。

·    VIF 全部接近 1，这表明预测变量的相关性并不高。