[求助]性别与绩效的回归怎么做啊？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

最近做一个研究，老师说要做性别和绩效之间的回归，具体就是：

性别分两种，1代表男，2代表女

绩效是一组连续变量，最后算下来是一组1~5的连续的数

这样问题就来了，性别作为自变量是计数变量，而绩效作为因变量是一个连续变量，这两个变量不是一个类型怎么做回归呢？

问过一个人说用poisson回归但是SPSS中的poisson回归是不是因自变量都得是计数的变量才可以做呢？

小弟在此请教各位大大了！！帮忙了！

[em04][em04]

[此贴子已经被作者于2008-9-22 20:22:21编辑过]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：怎么做 Poisson回归 poisson 连续变量 SPSS 绩效 性别

搞不定啊搞不定……

 logistic 回归

好的~我研究下~

设置成哑变量进行回归

感谢楼上大大指点迷津！

还是不行啊……

我用了logistic回归，设置成哑变量解决了自变量的问题，但是因变量不能是连续变量啊~

搞不定啊~大大们

 

[em04][em04]

LZ,能否把题目发过来，也好让偶一窥全豹？！

好好，这样，性别先不管啦，说较复杂的那个自变量哈：

自变量：认知模型1，2，3

因变量有很多，说一个就行：经过计算过后的总体绩效（1~5的连续变量）

下面说几组数据以便理解

x   y

2   3.33

3   4

3   4.67

1   3.67

......

......

就是这样的一些数据，最后要做回归，就是看下不同的认知模型是否对绩效有不同的影响，哪个认知模型对绩效的影响较大

比较赞同前面同学的建议，自变量应该是哑变量，因为数值大小并不意味着认知模型的好坏，但是在logi回归时因变量不能是本例绩效这种连续变量吧（我这么理解），然后就不会了……

感谢大家帮忙~

LZ,用stata吧，你的问题很好解决，现示范如下：

 设有变量X,Y,其中X取值为1(男），2（女），Y取值为绩效（比如 销售额。。。），程序如下

input x y

     +----------+
     | x      y |
     |----------|
  1. | 1   1000 |
  2. | 1   1003 |
  3. | 1   1100 |
  4. | 1   1050 |
  5. | 1   1010 |
     |----------|
  6. | 2   1230 |
  7. | 2   1280 |
  8. | 2   1300 |
  9. | 2   1209 |
 10. | 2   1240

end

reg y x

(以下 是程序 分析结果：）

      Source |       SS       df       MS              Number of obs =      10
-------------+------------------------------           F(  1,     8) =   74.73
       Model |    120121.6     1    120121.6           Prob > F      =  0.0000
    Residual |       12860     8      1607.5           R-squared     =  0.9033
-------------+------------------------------           Adj R-squared =  0.8912
       Total |    132981.6     9  14775.7333           Root MSE      =  40.094

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           x |      219.2   25.35744     8.64   0.000     160.7256    277.6744
       _cons |      813.4   40.09364    20.29   0.000     720.9439    905.8561
------------------------------------------------------------------------------

不知按上述操作，可否解决楼的的问题？