如果在自变量和因变量之间的关系不是单向的,是双向的相互影响的关系,那么简单的线性回归就不能对这种关系进行检验,我们可以使用二阶最小二乘法,用其他的变量对自变量进行预测,用预测值再进行回归即可。下面我们用父母的受教育年限来预测受教育年限,然后再用预测值来进行回归。实质上是进行了两次回归。
在spss中准备好数据,然后在菜单栏上执行:analyse--regression--2stages least squares
打开二阶对话框,如图所示,将自变量和因变量放入各自的对话框,这里和简单线性回归十一样的。
接着,和简单线性回归不同的就是我们要放入工具变量,也就是对上面的受教育年限进行预测的变量,这个变量包括:父母的受教育年限、年龄、种族。年龄和种族虽然不能预测受教育年限,但是他们在解释变量框中存在,所以也需要在工具变量框中存在。而在解释变量中有、在工具框中没有的变量就是我们的工具变量要预测的变量
点击ok按钮,开始处理数据并输出结果。
第一个结果是对模型的描述,它告诉你各个变量都属于什么变量
第二个结果就是方差分析,sig小于0.05说明回归效应显著,回归方程成立
这个表格是对变量系数的检验,根据sig值我们可以看变量是否对因变量有影响,结果证明只有年龄可以显著影响因变量