数值,因此它肯定取正值。SPSS分析不输出,而输出其他对应各交互单元的 参数HA()、pB()、HAB(n),分别表示主效应和交互效应。当它们的值大于0时 是正效应,其作用将使对应的频数增加。当它们的值小于0时为负效应,作用将 使频数减少。 下面我们根据SPSS输出的参数估计值,结合例1的情况来加以实际意义的 阐释表7-4。 SPSS分层模型输出的例1饱和模型参数估计 Estimates for Parameters TAKE SEX Parameter Coeff SId. err Z-Value ower 95 CI Upper 95 CI 36 03649 3.19540 04508 .18811 TAKE Parameter Coeff z- Value Lower 95 CI Upper 95 CI 0511746232 03649 -1.40250 12269 02034 SEX Parameter Z-Value Lower 95 CI Upper 95 CI 0464797530 03649 1.27383 02504 1800 SPSS分层模型( Hierarchical Model)输出的对数线性模型参数估计列在Es timates for Parameters的标题之下。第一项便是对于交互效应的估计,由于在数 据中定义因素A的变量名为TAKE、因素B的变量名为SEX,在应用分层模型 时,会自动生成所有可能的交互项,交互项的名称自动按原变量名相乘形式提 供,并且各项效应只按照自由度提供必要的参数估计。比如,例1有4个交互单 元,应该有4个对应交互效应估计,但是因为该项效应的自由度等于1,只提供 了其中的一项。另外,在默认状态下,SPSS将最后一类作为参照类,不输出其 参数,所以这里提供的TAKE*SEX估计,是因素A中第一类与因素B中第 类的交互效应,即AB(1)=0.117。根据前面的讨论,可以求出AB(12)= 0.117,AB(2)=-0.117,AB(2)=0.117。 实际上,我们研究交互表主要不是关心频数本身,而是关心变量之间的关 系。变量之间的关系可以从交互效应上反映出来。 比如,例1模型估计中,pAB(1)=pA(2)都是正值,它们分别表明