發表文章

spss 軟統 簡單迴歸分析 (Simple Linear Regression)

圖片
  簡單迴歸分析 (Simple Linear Regression) 根據上述相關結果,我們進一步對「年齡」與「體重」進行簡單線性回歸分析,以評估年齡對體重的影響程度。模型設定以 體重 為依變項 (Y), 年齡 為自變項 (X),形式為: 體重=a+b×年齡+ε,\text{體重} = a + b \times \text{年齡} + \varepsilon, 其中 aa 為迴歸截距、bb 為迴歸係數 (斜率),ε \varepsilon 為殘差項。 迴歸模型配適結果: 迴歸方程 :經估計得到體重的預測方程為 體重 = 38.04 + 0.74 × 年齡 。 這表示截距項 a≈38.04a ≈ 38.04 公斤,為預測年齡為 0 時的體重(僅理論意義);斜率 b≈0.74b ≈ 0.74 則表示在模型中,其他因素不變下, 年齡每增加 1 歲,預期體重平均增加約 0.74 公斤 。這反映了年齡與體重的正向關係方向,符合前述相關分析的結果。 統計顯著性 :迴歸係數的 t 檢定顯示年齡的效果達高度顯著水準(t = 8.53,p < 0.001)。亦即,年齡對體重有 顯著的正向影響 ,在統計上拒絕「迴歸係數為零」的虛無假設。截距項的 t 檢定同樣顯著(p < 0.001),但截距主要是模型計算的基準值,意義在此不如斜率重點明顯。整體迴歸模型的 F 檢定結果為 F(1,200) = 72.78,p < 0.001,表示該模型相較只有常數項的空模型具有顯著的解釋力。換言之,將年齡納入模型能顯著降低體重的解釋誤差。 決定係數 (R²) :本迴歸模型的 R² ≈ 0.267 ,調整後 R² ≈ 0.263,表示 年齡單一變項可解釋約 26.7% 的體重總變異 。雖然達統計顯著,但解釋力屬於中等偏低,說明體重還有超過七成的變異是由年齡以外的因素造成的(如性別、飲食、生活型態等未在本模型中的變數)。因此,年齡雖對體重有顯著影響但並非唯一重要因素。 迴歸係數摘要 :下表彙總了迴歸係數估計值與統計量: 模型項 迴歸係數 (B) 標準誤 (SE) t 值 p 值 標準化係數 (β) 截距 (常數項) 38.04 2.53 15.04 < 0.001*** – 年齡 0.74 0.09 8.53 < 0.001*** 0.517 註:β 為標準化迴歸係數...

健康產業導論介紹!

圖片
 

Research Analysis Guide wk10 fy113

  Research Analysis Guide

招募公告 | 健身中心學生助理招募

圖片
  https://topaohk852.blogspot.com/2025/03/blog-post.html

mam 114 past paper 

https://drive.google.com/file/d/1l8EurjQ5CgGRJCav9tLZ0h4oJWexexEL/view?usp=drive_link  

4分鐘防疫健身操 part2 318

圖片
  4分鐘防疫健身操 part2

SPSS chisquare 卡方 T TEST N ANOVA 操作流程

 交叉列表與卡方檢定 (Chi-Square Test) 分析 這張 SPSS 結果顯示了 「性別」與「信仰」 之間的關係,並透過 卡方檢定 (Chi-Square Test) 來檢查兩者是否有顯著關聯性 (By topao product hse ) 1. 交叉列表分析 (Crosstab Analysis) 這張交叉列表顯示了不同 性別 (男女) 在不同 信仰 (無、東方宗教、西方宗教) 的人數分布,以及 期望值 (Expected Count)。 括號內數字 (期望值) 表示,如果 性別與信仰無關,每一類的預期人數應該是多少。 如果觀察到的計數和期望計數之間有很大差異,則代表 性別與信仰可能有顯著關係。 2. 卡方檢定 (Chi-Square Test) 結果 (By topao product hse ) 🔹 結果解釋: Pearson 卡方值 = 62.604,p 值 .000 (< 0.05) → 表示性別與信仰之間有顯著關聯,即 男性與女性的信仰分布不同。 概似比檢定與線性對線性檢定 也顯示了相似的結果,進一步確認變數之間的關聯性。 3. SPSS 操作步驟 (By topao product hse ) 如果你想在 SPSS 中重現這個分析,可以按照以下步驟: 步驟 1:建立變數 在 SPSS 資料視圖 (Data View),輸入兩個變數: 1. 性別 (Gender):數值代碼(1=男性,2=女性) 2. 信仰 (Religion):數值代碼(1=無信仰,2=東方宗教,3=西方宗教) 步驟 2:執行卡方檢定 1. 點擊:Analyze (分析) → Descriptive Statistics (描述統計) → Crosstabs (交叉表分析) 2. 設定變數: 將 性別 放入「Row (列)」 將 信仰 放入「Column (欄)」 (By topao product hse ) 3. 點擊「Statistics」(統計) → 選擇「Chi-Square (卡方)」 4. 點擊「Cells」(儲存格) → 勾選「Expected Counts (期望計數)」 5. 點擊 OK,產生結果 4. 結論 (By topao product hse ) ✅ 性別與信仰之間的分布存在顯著關聯 (p < 0.05)。 ✅ 男性較多無...