Sociological Lab

社会学实验室

0%

发表于： 分类于：

0. 预处理

  • 设置工作目录
1

CD "/Users/ginglam/Public/data".
  • 导入2016年中国劳动力动态调查数据 (CLDS)
1
2
3

GET FILE "clds2016_i.sav".
DATASET NAME clds.
DATASET ACTIVATE clds.
  • 数据准备：在本讲中，我们将探究“教育年限”与“个人总收入”之间的关系。
    • 为满足后续分析的要求（特别是回归分析的正态性假设），我们将对收入变量进行对数转换。
    • 我们将学历变量转换为连续的教育年限变量。
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

* 筛选有效个案.
SELECT IF (I3a_6 > 0 AND I2_1 > 0).

* 对收入进行自然对数转换以缓解偏度.
COMPUTE log_income = LN(I3a_6).
VARIABLE LABELS log_income "总收入 (自然对数)".

* 将学历转换为教育年限.
RECODE I2_1 (1=0) (2=6) (3=9) (4 THRU 7=12) (8=15) (9=16) (10=19) (11=22) (ELSE=SYSMIS) INTO edu_year.
VARIABLE LABELS edu_year "最高教育年限".
EXECUTE.

发表于： 分类于：

导论：从简单回归到多元回归

辅助知识点： 在上一讲中，我们学习了简单线性回归，即用一个自变量来解释和预测因变量。然而，现实世界中的社会现象远比这复杂，一个结果往往是多个因素共同作用的结果。例如，个人收入不仅与教育水平有关，还可能受到年龄（经验）、性别、行业等多种因素的影响。

多元回归分析 (Multiple Regression Analysis) 正是处理这种多因素影响的强大工具。它允许我们在一个模型中同时放入多个自变量，从而实现两个核心目标：

  1. 更准确的预测：通过综合考虑多个相关因素，模型对因变量的预测能力通常会比简单回归更强。
  2. 更纯粹的解释：多元回归能够估算出每个自变量在 “控制”了其他自变量影响之后，对因变量的 “净效应” (net effect)。这是社会科学研究中探寻因果关系、排除混淆变量的关键一步。

0. 预处理

  • 设置工作目录
1

CD "/Users/ginglam/Public/data".
  • 导入2016年中国劳动力动态调查数据
1
2
3

GET FILE "clds2016_i.sav".
DATASET NAME clds.
DATASET ACTIVATE clds.