首頁
» 分析方法 » 使用對等(identity)連結函數的廣義線性模式
本方法是GLM的一種特例；係當連結函數為對等(identity)連結函數時經常用的分析方法。假設依變數的期望值為μ，則identity連結函數為g(μ)=μ，即是連結前與後的值並無改變。使用此種連結函數的GLM模式經常假設依變數為數值(numeric)資料且分配假設為常態(normal)分配，此即為一般人熟知的線性模式。依據自變數的差異，模式又可分為迴歸(regression)模式與變異數分析(anova)。此處提供此類型模式，方便使用者分析。
廣義線性模式-方法簡介
本方法使用之R相關套件與參考文獻：
相關套件：stats、base、car、speedglm
參考文獻：(依套件名稱排序)
廣義線性模式-方法簡介
本方法使用之R相關套件與參考文獻：
相關套件：stats、base、car、speedglm
參考文獻：(依套件名稱排序)
- R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL：http://www.R-project.org/.
- John Fox and Sanford Weisberg (2011). An {R} Companion to Applied Regression, Second Edition. Thousand Oaks CA: Sage. URL：http://socserv.socsci.mcmaster.ca/jfox/Books/Companion
- Marco ENEA (2013). speedglm: Fitting Linear and Generalized Linear Models to large data sets.. R package version 0.2. URL：http://CRAN.R-project.org/package=speedglm
範例F-3：
21世紀的電子業為眾多求職者理想的工作，電腦、PDA及智慧型手機等科技產品的高使用率，造就電子產業的榮景並創造許多高收入的職缺，然而朝九晚五之景也已消失在電子業。因此，如何在報酬與工時取得平衡是現階段求職者最關心的議題。某人力銀行為提供求職者此相關訊息，隨機從4家公司抽出共100名電子產業工作者，其調查資料包括薪資、職位、性別、學歷、工作年資與工作時數，記錄如下表，資料說明列於表後
表：電子公司員工調查資料
薪資：月薪(單位：元)
職位：現場作業人員(1)、工程師(2)、主管級(3)、經理級(4)
公司別：(1)、(2)、(3)、(4)
性別：女性(0)、男性(1)
學歷：高中職(1)、大學含專科(2)、研究所以上(3)
工作年資：以月為單位計算
工作時數：每週平均工作時間，以小時為單位計算
Q1：求職者想了解電子產業的薪資高低受何種因素影響較大?
問題解析：此處想了解影響依變數薪資高低的因素，其可能影響的解釋變數為職位、公司別、性別…等；適合廣義線性模式分析。
統計方法：由於依變數薪資為連續變數，可假設其資料服從常態分配並使用對等(identity)連結函數。可採用的分析方法：使用對等(identity)連結函數的廣義線性模式。[重新分析]
21世紀的電子業為眾多求職者理想的工作，電腦、PDA及智慧型手機等科技產品的高使用率，造就電子產業的榮景並創造許多高收入的職缺，然而朝九晚五之景也已消失在電子業。因此，如何在報酬與工時取得平衡是現階段求職者最關心的議題。某人力銀行為提供求職者此相關訊息，隨機從4家公司抽出共100名電子產業工作者，其調查資料包括薪資、職位、性別、學歷、工作年資與工作時數，記錄如下表，資料說明列於表後
表：電子公司員工調查資料
| 編號 | 薪資 | 職位 | 公司別 | 性別 | 學歷 | 工作年資 | 工作時數 |
| 1 | 24970 | 1 | 1 | 0 | 1 | 19 | 50 |
| 2 | 26270 | 1 | 1 | 1 | 1 | 29 | 50 |
| ： | ： | ： | ： | ： | ： | ： | ： |
| 100 | 43340 | 2 | 4 | 1 | 2 | 68 | 62 |
薪資：月薪(單位：元)
職位：現場作業人員(1)、工程師(2)、主管級(3)、經理級(4)
公司別：(1)、(2)、(3)、(4)
性別：女性(0)、男性(1)
學歷：高中職(1)、大學含專科(2)、研究所以上(3)
工作年資：以月為單位計算
工作時數：每週平均工作時間，以小時為單位計算
Q1：求職者想了解電子產業的薪資高低受何種因素影響較大?
問題解析：此處想了解影響依變數薪資高低的因素，其可能影響的解釋變數為職位、公司別、性別…等；適合廣義線性模式分析。
統計方法：由於依變數薪資為連續變數，可假設其資料服從常態分配並使用對等(identity)連結函數。可採用的分析方法：使用對等(identity)連結函數的廣義線性模式。
|
影音教學內容為本系統資料處理與分析方法之操作說明， 可供使用者即時參考及線上自學， 輕鬆上手「R資料分析暨導引系統」! |
|
