迴歸分析期末報告筆記-3

聽完第二梯次的迴歸分析報告，發現大學生有一點點為了作報告而作分析的傾向，
卻不管資料特質是否適合進行迴歸分析。

例一、以過去收案的資料，作了一個15人、8個X的模型，然後宣稱解釋量很高。

例二、探討青少年偏差行為的預測因子：偏差行為量表為學生自填，老師收集。結果發現多數人聚集於無偏差行為，只有0.8%的受測者有明顯偏差行為。然而少數的「界外值」可能也反映了青少年的真實情況，不宜刪除。
→個人認為學生的偏差行為本來就不是常態，自填偏差行為量表，很難確保受測者是否誠實作答、以及誠實作答會不會有不良影響、也很難由兩極的填答結果判斷有沒有人亂填。因此，這個報告的三個主要挑戰為：
1.若欲研究偏差行為，是否應找保護管束或教養機構的青少年作研究？
2.此類社會期許很明顯的問卷的測量結果可能不太可信
3.此資料的型態不太適合一般線性迴歸


對於這兩週的報告，老師的評語是：這學期教了很多東西，但是大家都只用了少部分。
因此，可以再想想有沒有哪些分析也應該納入。
又，既然花時間寫了報告，應該嘗試投稿，既可累積經歷，也不浪費時間。

聽完報告，除了上述的感想以外，又冒出新的問題了！
為了怕忘記，先把問題記錄下來：

1.變異數不同質，對迴歸式的影響為何？是影響迴歸係數或迴歸模型？

2.當X是類別變項或次序變項，使用dummy coding，再以stepwise選擇X，只剩下其中一個程度的X，應該如何解釋迴歸式？例如：把居住地區放入迴歸式，結果發現只有中部地區有顯著，結果應該解釋為：居住在中部地區為XXX的重要影響因子嗎？

3.交叉驗證的使用條件為何？

4.如何判斷我們建立的迴歸模型是好的？是不是處理過常態、變異數同質、界外值、加權變異數較大的觀察值、有可接受的變異量（例如>0.6），就可以確定？

5.如何選擇交互作用項？因為有時候找不到理論根據，也無法直接從資料裡看出來。或者，應該把所有的X都做成有交互作用，讓電腦軟體自己去選呢？

上述問題的答案會再補上