【摘要】SPSS对数线性模型：模型选择一、模型选择对数线性分析（分析-对数线性模型-模型选择）1、概念“模型选择对数线性分析”过程分析多阶交叉制

SPSS对数线性模型：模型选择

一、模型选择对数线性分析（分析-对数线性模型-模型选择）

1、概念“模型选择对数线性分析”过程分析多阶交叉制表（列联表）。它使用成比例拟合的迭代算法将分层对数线性模型拟合到多维交叉制表。此过程可帮助您找出关联的分类变量。要构建模型，可以使用强制输入和向后去除方法。对于饱和模型，可以请求参数估计值和偏关联检验。饱和模型会为所有单元加上0.5。

2、示例。在研究两种洗涤剂中的一种的用户偏好时，研究人员统计了每组的人数、水的软硬度（软、中等或硬）的各种类别、其中一个品牌的上一次使用以及洗涤温度（冷或热）。他们发现了温度与水的软硬度以及品牌偏好的关系。

3、统计量。频率、残差、参数估计值、标准误、置信区间和偏关联检验。对于定制模型，则为残差图和正态概率图。

4、数据。因子变量是分类的。要分析的所有变量都必须是数值。开始进行模型选择分析前，可以将分类字符串变量重新编码为数值变量。避免指定具有多个水平的多个变量。这样的指定可能导致多个单元具有少量的观察值，卡方值可能没用。

5、相关过程。“模型选择”过程可帮助标识模型中需要的项。然后您就可以使用“一般对数线性分析”或“Logit对数线性分析”继续评估模型。可以使用“自动重新编码”重新编码字符串变量。如果数值变量具有空类别，则使用“重新编码”创建连续的整数值。

二、选项（分析-对数线性模型-模型选择-选项）

1、显示。您可以选择频率和/或残差。在饱和模型中，观察的和期望的频率相同，残差为0。

2、图。对于定制模型，可以选择两种类型的图中的一种或两种：残差和正态概率。这些可帮助确定模型与数据的拟合度。

3、显示饱和模型。对于饱和模型，可以选择参数估计值。参数估计值可帮助确定可从模型中删除哪一项。此外还有一个可用的关联表，其中列出了偏关联检验。对于具有多个因子的表，选择这个选项需要进行大量的计算。

4、模型标准。使用成比例拟合的迭代算法获取参数估计值。通过指定最大迭代次数、收敛或Delta（为饱和模型的所有单元频率添加的值）可覆盖一个或多个估计标准。