推 TOOYA: 就是字面上的意思。如果一個效應還沒在模型裡，下一步就不 05/29 03:04
→ TOOYA: 會被選，如果本來在模型裡就不會被丟。效應的p值會隨新增 05/29 03:04
→ TOOYA: 效應改變，如果新增進來的效應們解釋掉一開始放進來的效應 05/29 03:05
→ TOOYA: ，一開始的效應的p值可能就上升超過0.1而被踢出了。 05/29 03:05
大家好，
我的碩論是有關於知識、態度、意願的題目
其中知識、態度是使用likert scale 1~5分作評分
所以有使用到逐步迴歸探討知識與態度間的差異情形
其中依變項為受訪者的態度總分
自變項為所有的基本資料、知識總分
其中逐步迴歸的entry 0.05，removal 0.1是預設的沒有改
但報給老師聽之後老師說設得太嚴格
想請問我是否有理解錯誤:entry設0.05代表P小於等於0.05的變項才能納入模式
removal設0.1是納入模式後的變項若在迴歸模型中p大於等於0.1就會被踢出模式
還是在還沒跑模式前單變項p大於0.1即會被剔除無法進入模式??
對removal的定義有點模糊，那p介於0.05~0.1之間的怎麼跑啊?
非常感謝大家的解惑...即將口試水深火熱的研究生。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.230.220.81
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1463726828.A.C8B.html