(1)领独生子女证(i=1)与生了男孩(j=1)正相关。按照隐含的因果假 没,则说明生了男孩的人更倾向于领取独生子女证,即更有可能停止生育。 (2)未领证(=2)与生了女孩(j=2)正相关,说明生女孩会在平均水平 上减少领证频数。 而交互参数pAB1)=pAB2).为负值则分别显示出: (1)领证与生了女孩负相关。或者说,生了女孩的人更倾向于不领取独生子 女证,即更有可能通过继续生育得到儿子 (2)未领证与生男孩负相关。或者说,生男孩这一事件会在平均水平上减少 不领证的概率。 其实我们发现,这些交互效应说的是一个意思,只不过是正面说和反面说的 区别。所以,有了pAB(1实际上已经得到了所有交互效应的结论,因为其他交 互参数是依赖于它而定的,不会出现相矛盾的解释。但是,如果类别数大于2以 后,分析就会稍微复杂一点。我们将在讨论例2时介绍这一情形。 SPSS输出是否领证这一因素(TAKE)的参数是对应于第一类(领证)的 即κA(1)=-0.051。在第二类未领证的参数则等于0.051。参数说明,样本案例 中领证的夫妇较少,未领证的夫妇较多。 至于孩子性别这个因素SEX的第一类的参数pB(1)=0.046,则说明样本中 男孩比例较大一点,女孩比例较小一点 在例1模型中已经包括了所有可能的效应项,因此是饱和模型( aturated/ full model)饱和模型所得到的各项参数估计,提供了可以用来准确无误地复制 原交互表频数分布的全部信息。SPSS输出中可以提供各交互单元的观测频数和 估计频数以及两者之间的残差。但是,对于饱和模型这部分输出没有分析意义, 因为两者完全相同,残差等于0。 如果模型中没有包括所有可能的效应项,就是一个简略模型( reduced model)。简略模型的参数估计值会与饱和模型有所不同 关于模型中参数的使用及其意义,先暂且介绍到这里。然而,对于例1模型 研究而言,还有一部分十分重要的工作没有做。按照统计分析惯例,对于样本数 据往往并不是先看参数估计,而是先检验模型的无关或无差异假设,如果检验结 果显著,再具体检验毎一个参数估计的显著水平。只有在这些检验都显著的情况 下,我们才来具体分析和阐释各参数估计的实际意义。而本章的介绍为了先使读 者建立起关于对数线性模型的基本了解,先介绍了模型参数。现在,我们必须补 上关于统计检验的介绍