文档介绍：spss学****心得
在培训中体会最深的就是传统线性回归期望各自变量之间、误差之间及变量和误差之间相互独立，实际研究中变量不仅会有相关关系，甚至还会有因果关系，于是单纯的回归会漏掉许多信息，甚至曲解数据，考虑到线性运算的叠加性和递推性，对回归spss学****心得
在培训中体会最深的就是传统线性回归期望各自变量之间、误差之间及变量和误差之间相互独立，实际研究中变量不仅会有相关关系，甚至还会有因果关系，于是单纯的回归会漏掉许多信息，甚至曲解数据，考虑到线性运算的叠加性和递推性，对回归系数的再分解是可以接受，也是有必要的。
情况一，自变量之间有因果关系，即存在中介效应。一个变量可以直接作用也因变量，也可以通过不同的路径间接作用，通过路径分析（或叫通径分析）可以从回归系数中分解出自变量对因变量的直接作用，详情可见郭志刚主编的《社会统计分析方法一一软件应
用》。
情况二，自变量之间有不可以忽略的相关关系。如下图，1对的回归中，阴影部分表示自变量对因变量的解释力度，可以看到有一个重叠的C部分，这个重叠的部分又叫共同效应里包含有交互效应，除了交互效应之外，还有一部分就是因为，含有相同的元素，这些相同的元素对产生的作用就很难分得清是来自的还是来自的，于是干脆叫做共同效应。
C1
KL
这种将自变量的
勺独特效应和与其它变量的共同效应的分析叫作
^CommonalityAnalysis”：就是把上图的整块阴影分解成（的独特作用），2
的独特作用），的共同作用.），并计算出三个部分占整个阴影部分的面积的百分比，它可以帮助研究者比较在一个多元回归方程中不同自变量的重要性从而同时在统计意义和实际意义上了解真相简化数据。虽然目前还没找到比较这些独特或共同作用比例
差异的统计检验方法，这个
不失为一种有效的分析，尤其在
计算得不同回归方程的，然后加加
倍受诟病之时，一些研究者大力推荐此的计算原理很简单，用
减减的，计算有点烦琐，以上面那个图为例：
Table1
for:niqu*and址om?亡nwin宫ot丄iante
T'g仏叩日低「.;VariapLps
U1-
：2=-F-n»+RJ(L2)
表示
q表示
同样的，三个自变量的回归：
[hrEEInggpEnd巳订t_VwMiables
U1口-Rs(23)+^(123)
U2=-R2(13)^R:(123^
U3二-R?(12)-R3(123>
C12=-R:(3)+R:(13)+R2(23)*R3(123)
C13=-R:(2)+R2(12)+R;(23)-R2(123)
：：：.-.:
C123=R:(1)+Ri[21+R:(2)-R2(12)+S2(13)-R2j231+Ra(123)
在软件中编程完成。
另一种情况就是嵌套模型，不同员工被套于同一个组织中，不同的实验操作套于同一个被试上，这时不仅员工自身因素影响其绩效，组织因素也有作用，同一个组织内的员工受到相同的组织因素影响，不同组织间的中员工间受的组织影响不同，这时变量之间就不可能独立，方差齐性的假设也得不到保证。用层二变量(组织变量)对层一自变量(个人变量)的回归系数和截距再回归，由加权最小二乘法估计得的新回归系数即为组织效应的表征。