[求助]性别与绩效的回归怎么做啊？

非常感谢楼上无私帮助@@！！！！学习STATA中……

但是有一点就是1，2代表男、女并没有好坏之分，只是给分成了两个组，现在想比较两个组谁与绩效的coefficient值大，该如何操作呢~（用STATA）

LZ,小弟不才，很愿意学习探讨相关问题，可否把你的题目发过来，也有让偶了解一下你究竟想解决什么问题？你是不是想说男与女谁的（标准化）回归系数大，这样就可以说谁的贡献大是不是？

呵呵，我现在是菜的很啊~刚接触统计软件~我感觉基本就是你的这个意思，具体的题目我前面阐述过一遍了~ls帮忙看下啊~呵呵，太感谢了~

“做回归看谁的贡献大”，这一点我很赞同，具体怎么操作啊~感谢感谢~~

LZ,小弟也是刚学习统计软件应用，很菜很菜的一个菜鸟，称ls绝对不敢当！你不要太客气，我要下线了，回来后再继续探讨，祝LZ学业有成，好运连连，再见！

多谢多谢~~

楼主，只有对于不同的自变量 x，通过回归分析后才能产生不同的coefficients,通过比较标准化的cofficients大小，就可表明哪个自变量对 因变量 的贡献大。就LZ所提的问题看，“性别”是一个变量，1 和 2 只是这个“性别”变量的不同取值，而不是两个变量，所以就不可能产生两个不同的cofficients,因而也就无法通过比较“标准化”后的cofficients来比较 男、女 谁对绩效的贡献大。所以，建议LZ不妨换一个思路进行比较：

1、比较男、女的总绩效；

2、比较男、女的平均绩效，也就是假设检验 ho：男性平均绩效＝女性平均绩效。

3、如上述访法仍不能解决楼主的问题，请考虑采用其他统计模型，放弃回归分析这一思路。

耽误楼上大哥那么长时间为我解答问题真是感激万分，我会根据你的建议进行下一步的研究~

LZ,小弟也是刚刚入门，所说的也不一定正确，下面是小弟用 SAS 软件就你所提的问题所做的另外一种解答，希望能够对你有所帮助。

设变量 X（自变量）、 Y（因变量）、 SEX(性别 1＝女 2＝男），现做 Y 对 X、SEX、X*SEX (注：表示 X 与 SEX 交叉作用项)，程序如下：

data reg01;

input x y;

  if _n_<=8 then sex=1;

            else sex=2;

cards;

13 3.54

11 3.01

9  3.09

6  2.48

8  2.56

10 3.36

12 3.18

7  2.65

10 3.01

9  2.83

11 2.92

12 3.09

15 3.98

16 3.89

8  2.21

7  2.39

10 2.74

15 3.36

;

proc print;

run;

proc glm;           

model y=x sex x*sex;

class sex;

run;

proc glm;

model y=x sex;

class sex;

run;

以下是程序运用结果：

第一部分：展示数据表

                                         The SAS System    09:20 Thursday, September 25, 2008  16

                                    Obs     x      y     sex

                                      1    13    3.54     1
                                      2    11    3.01     1
                                      3     9    3.09     1
                                      4     6    2.48     1
                                      5     8    2.56     1
                                      6    10    3.36     1
                                      7    12    3.18     1
                                      8     7    2.65     1
                                      9    10    3.01     2
                                     10     9    2.83     2
                                     11    11    2.92     2
                                     12    12    3.09     2
                                     13    15    3.98     2
                                     14    16    3.89     2
                                     15     8    2.21     2
                                     16     7    2.39     2
                                     17    10    2.74     2
                                     18    15    3.36     2

第二部分：回归模型 y 对 x sex x*sex 三个变量的回归模型及模型检验：注意，对于 x*sex 

 F＝0.74   P=0.4052>0.05,说明x*sex交叉作用不显著，可从模型中剔除！

                                                                              

                                       

                                        The GLM Procedure

Dependent Variable: y

                                               Sum of
       Source                      DF         Squares     Mean Square    F Value    Pr > F

       Model                        3      3.44201996      1.14733999      27.18    <.0001

       Error                       14      0.59100782      0.04221484

       Corrected Total             17      4.03302778

                       R-Square     Coeff Var      Root MSE        y Mean

                       0.853458      6.812167      0.205463      3.016111

       Source                 DF       Type I SS     Mean Square    F Value    Pr > F

       x                      1      3.19449983      3.19449983      75.67    <.0001
       sex                    1      0.21641720      0.21641720       5.13    0.0400
       x*sex                  1      0.03110293      0.03110293       0.74    0.4052

       Source                 DF     Type III SS     Mean Square    F Value    Pr > F

       x                      1      0.10560791      0.10560791       2.50    0.1360
       sex                    1      0.08377358      0.08377358       1.98    0.1807
       x*sex                  1      0.03110293      0.03110293       0.74    0.4052

                                                  Standard
                Parameter         Estimate           Error    t Value    Pr > |t|

                Intercept      2.227601211      0.67034373       3.32      0.0050
                x              0.106097238      0.06707929       1.58      0.1360
                sex           -0.565934544      0.40174018      -1.41      0.1807
                x*sex          0.033069429      0.03852642       0.86      0.4052

第三部分：回归模型 y 对 x sex 二个变量的回归模型及模型检验：注意，剔除x*sex交叉项后，回归方程为 Y=1.68+0.16X-0.23SE

注意：sex的回归系数为-0.23，说明 sex取值越大，Y就会越小，本例 sex=1 代表"女"， sex=2 代表"男"，这是不是可以表明 女性 对 绩效的贡献比 男性 大呢？

以上仅供LZ参考，谢谢！

  The SAS System    09:20 Thursday, September 25, 2008  20

                                        The GLM Procedure

Dependent Variable: y

                                               Sum of
       Source                      DF         Squares     Mean Square    F Value    Pr > F

       Model                        2      3.41091703      1.70545851      41.12    <.0001

       Error                       15      0.62211075      0.04147405

       Corrected Total             17      4.03302778

                       R-Square     Coeff Var      Root MSE        y Mean

                       0.845746      6.752131      0.203652      3.016111

       Source                      DF       Type I SS     Mean Square    F Value    Pr > F

       x                            1      3.19449983      3.19449983      77.02    <.0001
       sex                          1      0.21641720      0.21641720       5.22    0.0373

       Source                      DF     Type III SS     Mean Square    F Value    Pr > F

       x                            1      3.39583675      3.39583675      81.88    <.0001
       sex                          1      0.21641720      0.21641720       5.22    0.0373

                                                  Standard
                Parameter         Estimate           Error    t Value    Pr > |t|

                Intercept      1.681485396      0.20924925       8.04      <.0001
                x              0.161560338      0.01785458       9.05      <.0001
                sex           -0.232558609      0.10180632      -2.28      0.0373

天哪，是不是系统 自动将 “sex” 置换为 “***”或，所说请LZ注意！

天哪，是不是系统 自动将英文 “S-&nbsp;&nbsp; E-&nbsp;&nbsp; X-” 置换为 “***”或，所说请LZ注意！