在SPSS中解读多元回归的输出

1. 声音
   观察依据

   主讲人指出设计中有一个ID变量和100名参与者。

2. 图示
   观察依据

   SPSS数据编辑器显示一列标为ID的列，其中包含数值型个案标识符。

ID

虚构数据集中的参与者标识变量。

数据集个案；明确说明有100名参与者。

1. 声音
   观察依据

   主讲人将第一个预测变量命名为职业限制，并解释其为反映重返职场所面临限制程度的指数。

2. 图示
   观察依据

   SPSS数据编辑器显示一列标为Career_limitations的列，其整数值包括63、30、58、32、65、35、30、53、37、50、45、52、38、42、47、38、63、40、67、36、57、45、42、32、38、60、68、40、49、31。

Career_limitations

第一个预测变量；一个指数得分，表示参与者重返职场时所面临的职业限制数量或严重程度。

数值越高，代表限制越多或限制越严重。

1. 声音
   观察依据

   主讲人指出经验将以年为单位进行测量，并指代全职或兼职的工作经历。

2. 图示
   观察依据

   SPSS数据编辑器显示一列标为Experience的列，其整数值包括40、37、39、33、7、2、20、18、8、30、13、22、10、176、3、39、33、11、9、2、36、33、3、32、10、12、0、7、0、3、49、15。

1. 部分可见的经验值相对于所声明的“工作年限”定义而言偏大，但视频未对此差异作出解释。

Experience

第二个预测变量；参与者从事全职或兼职工作的年数。

根据叙述，以年为单位进行测量。

1. 声音
   观察依据

   主讲人将“就业所需天数”命名为结果变量，并指出其最大值为365天。

2. 图示
   观察依据

   SPSS 数据编辑器显示一列名为 Days_until_employed 的列，其整数值包括213、17、9、189、365、320、311、77、98、164、51、121、261、279、320、126、202、24、182、341、36、299、35、115、73、206、326、347、78、108、15。

Days_until_employed

结果变量；指参与者完成职业培训项目后至找到工作的天数。

所陈述的最大值为365天。

1. 图示
   观察依据

   数据编辑器显示一列名为“就业所需天数”的列。

2. 声音
   观察依据

   说话者指出，因变量或结果变量是就业所需天数。

Days_until_employed

表示参与者实现就业所需天数的因变量。

当前展示数据集中一个连续型数值结果变量。

1. 图示
   观察依据

   数据编辑器和线性回归对话框均显示“职业限制”为其中一个变量。

2. 声音
   观察依据

   说话者将职业限制列为两个自变量之一。

Career_limitations

被纳入多元回归模型的自变量／预测变量。

当前展示数据集中的一个数值型预测变量。

1. 图示
   观察依据

   数据编辑器和线性回归对话框均显示“经验”为其中一个变量。

2. 声音
   观察依据

   说话者将经验列为第二个自变量。

Experience

被纳入多元回归模型的自变量／预测变量。

当前展示数据集中的一个数值型预测变量。

1. 公式
   观察依据

   模型摘要表显示调整后的R方 = .237。

2. 声音
   观察依据

   主讲人表示将解释调整后的R方，并指出其值为零点二三七。

Adjusted $R^2$

调整后的判定系数用于描述自变量对因变量变异的解释比例。

在拟合回归模型的模型摘要表中报告。

1. 公式
   观察依据

   方差分析表显示显著性水平 Sig. = .000。

2. 声音
   观察依据

   主讲人指出此处存在统计学显著结果，p值小于零点零五。

p

整体回归方差分析检验的显著性水平。

在方差分析表中以 Sig. 表示。

1. 公式
   观察依据

   系数表显示职业限制（Career_limitations）的非标准化回归系数 $B = 2.658$。

2. 声音
   观察依据

   主讲人指出职业限制的系数为二点六五八。

这条公式需要核验，请通过页面反馈入口报告。

职业限制（Career_limitations）的非标准化回归系数。

在系数表中显示。

1. 公式
   观察依据

   系数表显示，经验变量的非标准化回归系数 B 为 -4.044。

2. 声音
   观察依据

   主讲人指出，经验变量的系数为负四点零四四。

$B_{\text{Experience}}$

经验变量的非标准化回归系数。

在系数表中显示。

1. 公式
   观察依据

   系数表包含一列“标准化系数 Beta”。

2. 声音
   观察依据

   主讲人说：“我们还有标准化系数。”

1. 视频片段在此处结束，主讲人尚未解释如何解读标准化系数。

$\beta$

系数表中显示的标准化回归系数。

在系数表的“标准化系数 Beta”列中显示。

1. 声音
   观察依据

   主讲人介绍本视频主题为：解读 SPSS 中多元回归的输出结果。

2. 图示
   观察依据

   标题卡片显示：“SPSS 中多元回归输出结果的解读”及“托德·L·格兰德博士”。

本段将本课定位为一项基于 SPSS 的多元回归输出解读任务。实际的回归输出尚未展示；该片段首先确立软件环境以及后续解读所用的数据设置。

1. 使用 SPSS。

2. 重点在于解读多元回归的输出结果。

3. 在此节选中，仅介绍了数据集及变量角色。

1. 声音
   观察依据

   主讲人指出，SPSS数据编辑器中有四个变量，这些数据是虚构的；其中有一个ID变量，包含100名参与者；此外还有两个预测变量和一个结果变量。

2. 图示
   观察依据

   SPSS数据编辑器显示的列名为：ID、Career_limitations、Experience 和 Days_until_employed。

该示例数据集共包含四列：一列标识变量、两列预测变量和一列结果变量。主讲人明确说明，这些数据是虚构的，且研究设计包含100名参与者。

1. 该数据集为虚构数据。

2. 共有100名参与者。

3. 本例中有两个预测变量和一个结果变量。

1. 本片段的目的：解读 SPSS 中的多元回归输出结果。

1. 声音
   观察依据

   主讲人指出，“Career Limitations”和“Experience”是本例中的两个预测变量。

2. 图示
   观察依据

   当主讲人讲解时，SPSS中的列“Career_limitations”和“Experience”被高亮显示。

在本例中，预测变量为“Career_limitations”和“Experience”。预测变量是回归模型中的解释变量，用于解释结果变量“Days_until_employed”的变异。

1. 本例中恰好有两个预测变量。

2. 预测变量与结果变量‘就业所需天数’不同。

1. 示例数据集的结构

1. 声音
   观察依据

   主讲人将‘就业所需天数’确定为结果变量，并将其定义为：参与者完成职业培训项目后，直至找到工作的天数。

2. 图示
   观察依据

   主讲人在讲解时高亮显示了SPSS中的列‘Days_until_employed’。

结果变量是‘Days_until_employed’，定义为参与者完成职业培训项目后，直至找到工作的天数。在回归术语中，这是因变量，其变异程度由预测变量来解释。

1. 结果以天为单位进行测量。

2. 明确指出的最大值为365天。

1. 示例数据集的结构

1. 声音
   观察依据

   主讲人称‘职业限制’源自一系列问题，经过评分过程后形成一个指数；数值越高，表示限制越多或限制越严重。

2. 图示
   观察依据

   在讲解过程中，SPSS中选中了‘Career_limitations’列。

‘职业限制’并非被描述为单个原始问题的得分，而是通过对一系列问题评分后生成的指数。主讲人举例说明了可能的职业限制，包括犯罪记录、教育水平低以及正在发作的物质使用障碍，并指出数值越大，表示限制越多或越严重。

1. 该变量是一个由多个问题导出的指数。

2. 数值越高，表示限制的严重程度或数量越大。

1. 多元回归示例中的预测变量

1. 声音
   观察依据

   主讲人指出，‘经验’以年为单位进行测量，代表参与者从事全职或兼职工作的年数。

2. 图示
   观察依据

   在讲解过程中，SPSS 中选中了‘经验’列。

‘经验’在操作上被定义为参与者从事全职或兼职工作的年数。这使其在回归分析中成为一个定量预测变量。

1. 单位为年。

2. 包括全职和兼职工作经历。

1. 多元回归示例中的预测变量

1. 声音
   观察依据

   主讲人指出，对于‘职业限制’，他们认为该变量数值越高，找到就业所需的时间就越长。

在运行回归分析之前，主讲人提出了一个方向性预期：随着 Career_limitations 的增加，Days_until_employed 也会增加。这表明预测变量与结果变量之间存在正向关联。

1. 适用于预测变量 Career_limitations。

2. 指结果变量 Days_until_employed。

3. 在进行回归分析之前作为假设提出。

1. ‘职业限制’作为一个指数得分
2. 多元回归示例中的结果变量

1. 声音
   观察依据

   说话者指出，就经验变量而言，经验越多，对应的天数越少。

第二个提出的预期呈反向关系：经验越丰富，就业所需天数应越少。因此，说话者预测经验与就业所需天数之间存在负向关联。

1. 适用于预测变量“经验”。

2. 指结果变量“就业所需天数”。

3. 在进行回归分析之前作为假设提出。

1. 经验以年为单位进行测量。
2. 多元回归示例中的结果变量

1. 声音
   观察依据

   主讲人指出多元回归存在若干假设，但本片段聚焦于输出结果的解读，而非假设检验。

视频明确将本片段定位为 SPSS 中多元回归输出结果的解读。主讲人指出多元回归存在若干假设，但说明此处不检验这些假设；而是将注意力转向分析运行完成后的输出表格。

1. 适用于本片段中演示的工作流程。

2. 假设检验已被提及，但在所展示的步骤中被省略。

1. 声音
   观察依据

   主讲人说：“因此，在‘分析’→‘回归’→‘线性’下，我打开了线性回归对话框。”

2. 图示
   观察依据

   打开了SPSS线性回归对话框，并将变量分别指定到‘因变量’和‘自变量(s)’框中。

本片段演示的方法是：在SPSS中通过选择‘分析’→‘回归’→‘线性’来运行多重回归。在对话框中，一个变量放入‘因变量’框，多个变量放入‘自变量(s)’框。本例中，因变量为〔Days_until_employed〕，预测变量为〔Career_limitations〕和〔Experience〕。

1. 指定了一个因变量。

2. 可指定多个自变量。

1. 本次演示的范围：解读输出结果，而非检验假设。

1. 声音
   观察依据

   主讲人指出，有一个位置用于放置因变量（或结果变量），而有多个位置用于放置自变量（或预测变量）。

2. 图示
   观察依据

   〔Days_until_employed〕被移入‘因变量’框；〔Career_limitations〕和〔Experience〕被移入‘自变量(s)’框。

视频区分了单一结果变量与一组预测变量。因变量是所建模的结果，在此处为〔Days_until_employed〕；自变量是用于解释该结果变异性的预测变量，在此处为〔Career_limitations〕和〔Experience〕。

1. 所示模型恰好有一个因变量。

2. 所示模型有两个自变量。

1. 打开SPSS线性回归对话框并分配变量

1. 声音
   观察依据

   主讲人先说明默认输出包括参数估计值和模型拟合度，然后额外添加了R方变化量、描述性统计量以及置信水平为95%的置信区间。

2. 图示
   观察依据

   线性回归统计对话框中已选中“参数估计值”、“模型拟合度”、“描述性统计量”、“置信区间”和“R方变化量”。

在运行模型前，主讲人打开了统计选项，并在默认设置之外额外请求了其他输出内容。所选项目包括参数估计值、模型拟合度、描述性统计量、置信水平为95%的置信区间以及R方变化量。这些选择决定了SPSS输出查看器中将显示哪些表格。

1. 请求了置信水平为95%的置信区间。

2. 除默认的参数估计值和模型拟合度外，还额外请求了R方变化量。

1. 打开SPSS线性回归对话框并分配变量

1. 声音
   观察依据

   讲解者指出多元回归存在若干假设，且在执行该统计分析前需先检验这些假设。

1. 本片段中未具体说明这些假设的名称。

进行多重回归分析之前，应检验其假设，以确保数据适合使用该统计方法。

1. 正在考虑进行多重回归分析。

2. 分析人员希望验证数据是否适合该统计方法。

关于多重回归实践的一般性陈述。

1. 声音
   观察依据

   主讲人指出调整后的R方为零点二三七，并解释这表示自变量解释了因变量23.7%的变异。

2. 公式
   观察依据

   模型摘要表显示调整后的R方 = .237。

对于该模型，调整后的R方值为.237意味着自变量解释了因变量23.7%的变异。

1. 所拟合的模型包含两个预测变量和一个因变量。

2. 报告的调整后R方值为.237。

关于当前展示的回归模型的具体陈述。

1. 声音
   观察依据

   主讲人指出方差分析结果具有统计显著性，其p值小于零点零五。

2. 公式
   观察依据

   方差分析表显示显著性水平 Sig. = .000。

方差分析结果表明整体回归模型具有统计学显著性，因为 p 值小于 .05。

1. 正在检验所拟合回归模型的方差分析表。

2. 显示的显著性水平 Sig. 值为 .000。

关于当前具体显示的回归模型的陈述。

1. 声音
   观察依据

   主讲人说：“对于职业限制，我们得到的是零点零零九，这在统计上是显著的。”

2. 图示
   观察依据

   Career_Limitations 的 Sig. 值为009。

由于 Career_Limitations 的 p 值为009，视频得出结论：该预测变量对 Days_until_employed 具有统计显著影响。

1. 所展示的模型是以 Days_until_employed 为因变量的多元回归模型。

2. 该片段采用的显著性阈值为05。

针对所展示的拟合模型中的预测变量 Career_Limitations。

1. 声音
   观察依据

   主讲人称经验（Experience）对应的 p 值“也小于05”，因此具有统计显著贡献。

2. 图示
   观察依据

   Experience 的 Sig. 值为000。

由于 Experience 的 p 值小于05，视频得出结论：Experience 对 Days_until_employed 具有统计显著贡献。

1. 所展示的模型是以 Days_until_employed 为因变量的多元回归模型。

2. 该片段采用的显著性阈值为05。

针对显示的拟合模型中的预测变量‘经验’。

1. 声音
   观察依据

   说话者指出，职业限制指数每增加一分，因变量对应的天数就增加2.658天，因此职业限制越多，找到工作的耗时就越长。

2. 图示
   观察依据

   职业限制的非标准化系数为2.658。

在此拟合模型中，职业限制每增加一个单位，找到工作所需的天数就增加2.658。

1. 该系数取自‘非标准化系数B’列。

2. 模型中其他预测变量保持不变。

职业限制每增加一个单位。

1. 声音
   观察依据

   说话者指出，经验每增加一年，找到工作所需的天数约减少四天。

2. 图示
   观察依据

   经验的非标准化系数为-4.044。

在此拟合模型中，经验每增加一年，找到工作所需的天数约减少4.044。

1. 经验以年为单位计量。

2. 系数从“非标准化系数B”列中读取。

3. 模型中的其他预测变量保持不变。

每增加一年经验。

1. 声音
   观察依据

   说话者说：‘因变量‘失业天数’下降了负零点四三六个标准差。’

2. 图示
   观察依据

   经验变量的系数表行显示 Beta = -436。

在职业动机保持不变的情况下，经验每增加一个标准差，失业天数相应减少0.436个标准差。

1. 回归模型设定正确

2. 模型中仅包含经验与职业动机两个预测变量

每增加一个标准差的经验

1. 声音
   观察依据

   说话人说：‘增加零点二三三个标准差。’

2. 图示
   观察依据

   职业动机变量的系数表行显示 Beta = 233。

在经验保持不变的情况下，职业动机每增加一个标准差，失业天数相应增加0.233个标准差。

1. 回归模型设定正确

2. 模型中仅包含经验与职业动机两个预测变量

职业动机每增加一个标准差

1. 声音
   观察依据

   讲解者按顺序浏览输出结果：描述性统计、相关系数、输入与移除的变量、模型摘要、方差分析、回归系数。

2. 图示
   观察依据

   输出查看器按该顺序向下滚动显示这些表格。

1. 公式

   $$$$
   解释

   在输出结果顶部找到描述性统计表。

   步骤依据

   讲解者明确指出：“我们顶部这里就是描述性统计。”

   视频直接表达
2. 公式

   $$$$
   解释

   转向相关系数表。

   步骤依据

   主讲人紧接在描述性统计之后提到了“相关性”。

   视频直接表达
3. 公式

   $$$$
   解释

   查看“已输入/已移除变量”表格，确认使用了哪些预测变量。

   步骤依据

   主讲人指出，放入模型的两个变量在此处均被使用。

   视频直接表达
4. 公式

   $$$$
   解释

   阅读“模型摘要”表格，并重点关注“调整后的R方”。

   步骤依据

   主讲人表示将解读调整后的R方，并读出数值为237。

   视频直接表达
5. 公式

   $$$$
   解释

   检查ANOVA表格以判断整体显著性。

   步骤依据

   主讲人称，下移到ANOVA部分显示出一个具有统计学意义的结果，p值小于05。

   视频直接表达
6. 公式

   $$$$
   解释

   阅读“系数”表格，先看非标准化系数，再关注标准化系数。

   步骤依据

   主讲人点明“系数”表格，依次读出“职业限制”和“经验”的B值，随后说明表格中也列出了标准化系数。

   视频直接表达

该片段展示了SPSS回归输出结果的阅读策略：从左到右、从上到下——先了解样本描述，再确认已输入变量，接着用调整后的R方评估模型拟合度，然后借助ANOVA检验整体显著性，最后检查系数估计值。

1. 声音
   观察依据

   讲述者依次从“显著性（Sig.）”列移至“非标准化系数B”列，再移至“标准化系数Beta”列。

2. 图示
   观察依据

   光标按相同顺序高亮显示“系数”表格中的单元格。

1. 公式

   $$$$
   解释

   首先在系数表格中识别预测变量行：Career_Limitations 和 Experience，因变量为 Days_until_employed。

   步骤依据

   表格脚注明确列出了因变量和预测变量。

   视频直接表达
2. 公式

   $$$$
   解释

   接着检查“显著性（Sig.）”列，依据音频中提到的 .05 规则判断每个预测变量是否具有统计显著性。

   步骤依据

   讲述者明确从 p 值开始，并将其与 .05 进行比较。

   视频直接表达
3. 公式

   $$B_{Career\_Limitations}=2.658$$
   解释

   接下来读取 Career_Limitations 的非标准化系数，并将其解释为 Career_Limitations 每增加一个单位时 Days_until_employed 的变化量。

   步骤依据

   主讲人在高亮显示2.658后，直接陈述了这一解释。

   视频直接表达
4. 公式

   $$B_{Experience}=-4.044$$
   解释

   然后读取经验变量的非标准化系数，并将其解释为：经验每增加一年，就业所需天数〔Days_until_employed〕的变化量。

   步骤依据

   主讲人指出，经验以年为单位测量，且负号表示就业所需天数更少。

   视频直接表达
5. 公式

   $$\beta_{Career\_Limitations}=.223$$
   解释

   最后，主讲人转向标准化系数列，将讨论从原始单位转换为标准差单位。

   步骤依据

   音频明确指出，以标准差为单位进行思考，需要查看标准化系数。

   视频直接表达

该片段展示了解释回归输出的实际工作流程：先检验显著性，再解释原始效应大小，最后考虑标准化效应大小。

1. 声音
   观察依据

   说话者逐步演示SPSS数据编辑器的操作，包括为变量命名、说明其角色，以及阐述它们与结果变量之间关系的假设方向。

2. 图示
   观察依据

   屏幕显示SPSS数据编辑器，列名依次为ID、职业限制、经验、就业所需天数，说话者按顺序高亮这些列。

使用含100名参与者的虚构数据集，在SPSS中准备并解读多元回归示例的变量结构。

1. 共包含四个变量：ID、职业限制、经验、就业所需天数。

2. 这些数据是虚构的。

3. 共有100名参与者。

4. 职业限制程度和工作经验是预测变量。

5. 就业所需天数是结果变量。

6. 职业限制程度是一个量表指数，数值越高表示限制越严重。

7. 工作经验以全职或兼职工作年限来衡量。

8. 就业所需天数从项目结束之日起计算，单位为天，明确设定的最大值为365天。

在运行回归分析之前，先明确每个变量的角色与含义，并说明预期的方向性关系。

1. 公式

   $$$$
   解释

   打开SPSS数据编辑器，检查数据集的布局。

   步骤依据

   主讲人明确指出：“我在SPSS数据编辑器中有四个变量。”

   视频直接表达
2. 公式

   $$$$
   解释

   识别ID为参与者标识符，并注意该设计共包含100名参与者。

   步骤依据

   主讲人说：“我有一个ID变量。本设计中共有100名参与者。”

   视频直接表达
3. 公式

   $$$$
   解释

   将职业限制和经验作为两个预测变量，将就业所需天数作为结果变量。

   步骤依据

   主讲人说：“我有两个预测变量和一个结果变量”，然后依次说明每个变量。

   视频直接表达
4. 公式

   $$$$
   解释

   将职业限制定义为一个指数，该指数由多个关于重返职场障碍的问题构建而成。

   步骤依据

   主讲人解释，一系列问题的得分被汇总为一个指数，并举例说明，例如犯罪记录、教育水平低以及正在发作的物质使用障碍。

   视频直接表达
5. 公式

   $$$$
   解释

   将经验定义为全职或兼职工作经历的年数。

   步骤依据

   主讲人表示：“经验以年为单位进行测量”，并将其描述为拥有全职或兼职工作的年数。

   视频直接表达
6. 公式

   $$$$
   解释

   将就业所需天数定义为完成职业培训项目后至找到工作为止的天数，本例中最多为365天。

   步骤依据

   主讲人称该结果变量衡量参与者找到工作所需的天数，并补充道：“上限为365天。”

   视频直接表达
7. 公式

   $$$$
   解释

   提出第一个方向性假设：职业限制程度越高，预测就业所需时间越长。

   步骤依据

   主讲人说：“我们认为职业限制变量的数值越高，找到工作所需的时间就越长。”

   视频直接表达
8. 公式

   $$$$
   解释

   提出第二个方向性假设：经验越丰富，预测就业所需天数越少。

   步骤依据

   主讲人说：“对于经验变量，经验越多，对应的天数就越少。”

   视频直接表达

该示例构建了一个多元回归模型，预测变量为职业限制程度和工作经验，结果变量为就业所需天数；其中职业限制程度的预期符号为〔+〕，工作经验的预期符号为〔-〕。

验证内在于设置过程之中：变量角色与假设方向均与口头定义及高亮显示的SPSS列相符。本片段未展示任何回归输出，因此缺乏统计学上的确认。

1. 图示
   观察依据

   展示了一个包含ID、职业限制、经验及就业所需天数的数据集，随后在SPSS中配置并运行线性回归分析。

2. 声音
   观察依据

   主讲人叙述了变量赋值、统计量选择、执行过程以及所得各表格的解读。

1. 视频片段在标准化系数的解释完成前就结束了。

在SPSS中运行并解释多元回归分析，以“就业所需天数”为因变量，“职业限制”和“经验”为自变量。

1. 数据集显示在IBM SPSS Statistics数据编辑器中。

2. 因变量：“就业所需天数”。

3. 自变量：“职业限制”和“经验”。

4. 请求的统计量包括：回归系数估计值、模型拟合度、描述性统计、95%置信区间以及R方变化量。

生成回归输出结果，并解读主要表格，尤其关注调整后R方、ANOVA显著性以及非标准化回归系数。

1. 公式

   $$$$
   解释

   在SPSS中依次点击“分析”→“回归”→“线性”。

   步骤依据

   主讲人说明该菜单路径，随后线性回归对话框出现。

   视频直接表达
2. 公式

   $$$$
   解释

   将“就业所需天数”放入“因变量”框中。

   步骤依据

   主讲人将其标识为因变量或结果变量，并将其移入对话框。

   视频直接表达
3. 公式

   $$$$
   解释

   将‘职业限制’和‘经验’放入‘自变量’框中。

   步骤依据

   主讲人指出可能存在多个自变量，并点明这两个预测变量。

   视频直接表达
4. 公式

   $$$$
   解释

   打开‘统计’选项，除默认设置外，额外勾选‘描述性统计’、‘置信区间’和‘R方变化量’。

   步骤依据

   主讲人明确说明这些正是本次新增的选项。

   视频直接表达
5. 公式

   $$$$
   解释

   点击‘确定’运行回归分析。

   步骤依据

   主讲人说：“现在可以进行多元回归分析了，请点击‘确定’。”

   视频直接表达
6. 公式

   $$\text{Adjusted } R^2 = .237$$
   解释

   阅读‘模型摘要’表，并将校正后R方解释为23.7% 的变异被解释。

   步骤依据

   主讲人指出校正后R方为零点二三七，并阐释其含义。

   视频直接表达
7. 公式

   $$F = 16.550,\quad p < .05$$
   解释

   阅读‘方差分析（ANOVA）’表，并得出整体模型具有统计显著性的结论。

   步骤依据

   主讲人指向ANOVA表并指出该结果具有显著性，因为p值小于.05。

   视频直接表达
8. 公式

   $$B_{\text{Career\_limitations}} = 2.658,\quad B_{\text{Experience}} = -4.044$$
   解释

   从‘系数’表中读取非标准化系数。

   步骤依据

   主讲人点明这是‘系数’表，并将这两个数值朗读出来。

   视频直接表达

所展示的模型调整后决定系数 R² = 237，整体 ANOVA 结果显著，显著性水平 Sig. = 000；职业发展限制变量的非标准化回归系数 $B = 2.658$，经验变量的非标准化回归系数 $B = -4.044$。

验证方式是将口述解释与屏幕上可见的 SPSS 输出表格——“模型摘要”“ANOVA”和“系数”表——进行直接比对。

1. 图示
   观察依据

   屏幕上显示一个标题为“已输入/已移除变量”的SPSS输出窗口，其中包含模型摘要、方差分析（ANOVA）和系数表格。

2. 声音
   观察依据

   主讲人对职业限制与经验预测就业所需天数的回归结果进行了阐释。

1. 部分高亮单元格之外的小数值条目，在压缩帧中难以精确核实。

解读屏幕上显示的SPSS回归输出结果，该模型以职业限制与经验为自变量，预测就业所需天数。

1. 因变量：就业所需天数。

2. 预测变量：（常数项）、工作经验、职业发展限制。

3. 职业发展限制的显著性水平 Sig. = .009。

4. 工作经验的显著性水平 Sig. = .000。

5. 职业发展限制的非标准化回归系数 $B = 2.658$。

6. 工作经验的非标准化回归系数 $B = -4.044$。

7. 职业发展限制的标准回归系数 Beta = .223。

8. 工作经验的标准回归系数 Beta = -.416。

判断哪些预测变量具有统计显著性，并解释其非标准化效应的方向与大小，再说明标准回归系数的用途。

1. 公式

   $$p_{Career\_Limitations}=.009<.05$$
   解释

   将职业发展限制的 p 值与 .05显著性阈值进行比较。

   步骤依据

   主讲人明确指出 .009具有统计显著性。

   视频直接表达
2. 公式

   $$p_{Experience}=.000<.05$$
   解释

   将工作经验的 p 值与 .05显著性阈值进行比较。

   步骤依据

   主讲人指出该 p 值同样小于 .05，因此具有统计显著性。

   视频直接表达
3. 公式

   $$\Delta Y=2.658 \text{ when } \Delta X_{Career\_Limitations}=1$$
   解释

   将职业限制的非标准化系数解读为：预测变量每增加一个单位，因变量相应的变化量。

   步骤依据

   讲话者指出，职业限制指数每增加一分，因变量就增加2.658天。

   视频直接表达
4. 公式

   $$\Delta Y=-4.044 \text{ when } \Delta X_{Experience}=1 \text{ year}$$
   解释

   将经验的非标准化系数解读为：经验每增加一年，因变量相应的变化量。

   步骤依据

   讲话者指出，经验以年为单位测量，且负系数意味着就业所需天数约减少四天。

   视频直接表达
5. 公式

   $$\beta_{Career\_Limitations}=.223,\ \beta_{Experience}=-.416$$
   解释

   将标准化系数识别为在标准差单位下进行思考时所应使用的数值。

   步骤依据

   讲话者在片段结束前引入了用于标准差解释的标准化系数。

   视频直接表达

两个预测变量均具有统计显著性。职业限制具有正向效应：+1单位与+2.658天就业所需天数相关；经验具有负向效应：+1年与-4.044天就业所需天数相关。所示标准化系数分别为职业限制的.223和经验的-.416。

结论与SPSS系数表中高亮显示的单元格以及片段中的口头解释一致。

1. 图示
   观察依据

   整个视频聚焦于从SPSS系数表中读取变量“经验”和“职业动机”的特定单元格。

2. 声音
   观察依据

   讲解者依次梳理这两个变量的Beta值及置信区间上下限。

根据所提供的SPSS输出表格，解释标准化系数以及非标准化系数的95%置信区间。

1. 因变量：失业天数

2. 预测变量：职业动机、经验

3. 职业动机的Beta值 = .233

4. 经验的Beta值 = -.436

5. 职业动机的非标准化系数B的95%置信区间 = [.671, 4.644]

6. 经验的非标准化系数B的95%置信区间 = [-5.663, -2.426]

将数值输出结果转化为关于变量间关系的实质性陈述。

1. 公式

   $$\beta_{Career\_motivation} = 0.233$$
   解释

   找出职业动机的标准化系数。

   步骤依据

   直接从系数表中观察得出。

   视频直接表达
2. 公式

   $$\Delta Y_{SD} = +0.233 \text{ SD}$$
   解释

   解释其大小和方向：职业动机增加1个标准差，会导致失业天数增加0.233个标准差。

   步骤依据

   标准化系数的定义。

   依据视频推导
3. 公式

   $$\beta_{Experience} = -0.436$$
   解释

   找出工作经验的标准化系数。

   步骤依据

   直接从系数表中观察得出。

   视频直接表达
4. 公式

   $$\Delta Y_{SD} = -0.436 \text{ SD}$$
   解释

   解释其大小和方向：工作经验增加1个标准差，会导致失业天数减少0.436个标准差。

   步骤依据

   标准化系数的定义。

   依据视频推导
5. 公式

   $$CI_{95\%}(B_{Career\_motivation}) = [0.671, 4.644]$$
   解释

   写出职业动机的非标准化系数的置信区间。

   步骤依据

   直接从系数表中观察得出。

   视频直接表达
6. 公式

   $$CI_{95\%}(B_{Experience}) = [-5.663, -2.426]$$
   解释

   写出工作经验的非标准化系数的置信区间。

   步骤依据

   直接从系数表中观察得出。

   视频直接表达

职业动机与失业天数呈正相关（Beta＝.233），而经验则呈更强的负相关（Beta＝－.436）。职业动机的真实非标准化效应估计介于0.671至4.644天之间，经验的真实非标准化效应估计介于－5.663至－2.426天之间。

置信区间的符号与表格中非标准化系数（B）的符号一致，证实了结果的一致性。

1. 图示
   观察依据

   一张黑色标题卡片显示文字：SPSS中多元回归输出的解读，以及托德·L·格兰德博士。

1. 黑色背景

2. 标题文字

3. 主讲人姓名

1. 文字渐入后渐出。

1. 标题卡片上未出现任何数学符号。

该标题表明本课主题是解读SPSS中的多元回归输出，但本片段仅进行到数据设置阶段。

1. 图示
   观察依据

   画面切换至IBM SPSS Statistics数据编辑器，显示一个类似电子表格的表格，其列名为ID、职业限制程度、工作经验和就业所需天数。

1. SPSS 数据编辑器窗口

2. 列标题

3. 数值数据行

1. 界面从标题卡片切换为数据集视图。

1. 四个变量列保持可见。

2. 该数据集以“按行表示个案、按列表示变量”的形式呈现。

此画面确立了后续回归分析所依据的原始数据矩阵。

1. 图示
   观察依据

   随着讲解者逐一介绍各变量，对应的 SPSS 列被选中并以黄色高亮显示：首先是 ID，然后是 Career_limitations，接着是 Experience，最后是 Days_until_employed。

1. ID 列

2. Career_limitations 列

3. Experience 列

4. 距就业天数列

5. 黄色选中高亮

1. 选中区域按变量被讲解的顺序，从一列移至下一列。

1. 高亮过程中，底层数据值不发生变化。

2. 表格在整个过程中始终处于数据视图。

视觉上的顺序编排将每一句口头定义映射到特定列，从而强化标识符、预测变量与结果变量之间的区别。

1. 图示
   观察依据

   屏幕显示 SPSS 数据编辑器，其列名分别为 ID、Career_limitations、Experience 和 Days_until_employed。

1. SPSS 数据编辑器窗口

2. 列标题：ID、Career_limitations、Experience、Days_until_employed

3. 数值型数据行

1. 光标高亮显示 Days_until_employed 列中的单元格。

1. 在此时间段内，数据集结构始终保持可见。

该画面明确了回归分析中将要使用的变量。

1. 图示
   观察依据

   用户依次点击“分析”→“回归”→“线性…”，弹出“线性回归”对话框。

1. 分析菜单

2. 回归子菜单

3. 线性……命令

4. 线性回归对话框

1. 菜单展开。

2. 对话框在数据编辑器上方打开。

1. 底层数据集保留在背景中。

此视觉效果标志着从数据浏览到模型设定的过渡。

1. 图示
   观察依据

   “就业所需天数”被移至因变量；“职业限制”和“经验”被移至自变量（s）。

1. 源变量列表

2. 因变量框

3. 自变量框

4. 箭头按钮

1. “就业所需天数”转入因变量字段。

2. “职业限制”和“经验”转入自变量框。

1. 对话框在分配过程中保持打开状态。

该图示编码了回归结构：一个结果变量和两个预测变量。

1. 图示
   观察依据

   线性回归统计对话框打开，并勾选了“描述统计”、“置信区间”和“R方变化”复选框。

1. 统计量按钮

2. 线性回归统计对话框

3. 勾选“参数估计”、“模型拟合”、“描述统计”、“置信区间”和“R方变化”复选框

1. 额外的复选框被启用。

2. 置信区间水平显示为95。

1. 估计值与模型拟合度保持默认选中状态。

该可视化设置决定了后续将在输出查看器中显示哪些表格。

1. 图示
   观察依据

   SPSS Statistics 查看器打开，输出内容依次向下滚动显示：描述性统计、相关性、已输入／已移除变量、模型摘要、方差分析（ANOVA）以及系数。

1. 输出查看器

2. 描述性统计表

3. 相关性表

4. 已输入／已移除变量表

5. 模型摘要表

6. 方差分析表

7. 系数表

1. 画面从上方表格向下移动至下方表格。

2. 当讲解者讨论特定行和列时，它们会被高亮显示。

1. 所有表格均来自同一次回归分析运行。

类似动画的滚动效果实现了音频中所描述的有序解读策略。

1. 动画
   观察依据

   光标在系数表中高亮显示显著性（Sig.）值.009和.000。

2. 声音
   观察依据

   讲话者在选中这些单元格时讨论p值与统计显著性。

1. 系数表

2. 显著性列

3. 职业限制行

4. 经验行

1. 选择从职业限制的显著性值移动到经验的显著性值。

1. 因变量仍为就业所需天数。

2. 表格布局保持不变。

视觉强调将注意力先引向假设检验结果，再引向效应量解释。

1. 动画
   观察依据

   光标先高亮职业限制行在非标准化系数B列中的2.658，再高亮经验行中的-4.044。

2. 声音
   观察依据

   主讲人将这些数值解释为：当预测变量分别变化一个单位或一年时，就业所需天数的变化量。

1. 非标准化系数B列

2. 职业限制行

3. 经验行

1. 所选单元格的值从2.658变为-4.044。

1. 屏幕上保持显示相同的回归模型和因变量。

动画将每个数值系数与其在原始单位下的实质性方向解释一一对应。

1. 动画
   观察依据

   光标移至标准化系数Beta列，其中可见.223和-.416。

2. 声音
   观察依据

   主讲人指出，若要以标准差为单位进行思考，则需查看标准化系数。

1. 口头解释不完整，因为该片段在句子中途结束。

1. 标准化系数Beta列

2. 职业限制行

3. 经验行

1. 关注点从原始单位系数转向标准化系数。

1. 基础模型与预测变量均未发生变化。

视觉上的偏移标志着测量尺度从原始单位转变为标准差单位。

1. 动画
   观察依据

   鼠标光标高亮显示‘标准化系数 Beta’列，具体在数值.233与－.436之间移动。

1. SPSS 输出窗口

2. 系数表

3. 鼠标光标

1. 光标移至 Beta 列

2. 焦点在‘职业动机’行与‘经验’行之间切换

1. 表格结构保持静止

2. 数值不发生变化

视觉强调将观众注意力引导至音频中正在讨论的标准化效应量。

1. 声音
   观察依据

   引言承诺解读多重回归输出，但本片段仅展示了数据集与变量定义。

2. 图示
   观察依据

   本片段中未出现任何回归表格、回归系数、p 值或模型摘要。

由于标题提及解读 SPSS 回归输出，人们可能预期本片段中会出现系数表格或显著性检验。

本片段仅介绍变量及其假设方向；尚未展示任何实际回归输出，因此单凭此片段无法对模型结果进行数值层面的解读。

1. 声音
   观察依据

   主讲人指出，这些问题经过评分过程后汇总为该变量，且该变量是一个指标。

人们可能将职业受限程度视作对一个直接问题的回答。

视频指出，它是通过一系列问题经评分过程生成的，因此其含义是一个复合指标，而非单个题项的得分。

1. 声音
   观察依据

   讲解者指出多元回归存在若干假设，但本处不检验这些假设，仅聚焦于输出结果。

人们可能误以为生成并阅读回归输出就足以证明模型是恰当的。

本视频明确将假设检验与输出解读区分开来，并指出应在执行多元回归之前检验假设，尽管本片段并未实际进行该检验。

1. 声音
   观察依据

   讲解者指出模型摘要中包含R方与调整后R方，并说明将解读调整后R方。

2. 公式
   观察依据

   R方 = .252 与 调整后R方 = .237 均可见。

观众可能误以为在此演示中，应报告普通的R方值作为解释方差的指标。

在本片段中，主讲人特别选择调整后的 R 方（adjusted R square）进行解读，并报告237而非252。

1. 声音
   观察依据

   主讲人将职业发展受限（延长就业天数）与工作经验（缩短就业天数）进行对比。

2. 图示
   观察依据

   所示系数为 Career_Limitations 对应 +2.658，Experience 对应 -4.044。

一个预测变量即使不增加结果变量，仍可能具有统计显著性；其符号决定影响方向。

在此例中，两个预测变量均具有统计显著性，但 Career_Limitations 与 Days_until_employed 呈正向关联，而 Experience 与之呈负向关联。

1. 声音
   观察依据

   主讲人指出，在以标准差为单位进行思考时，应关注标准化系数。

2. 图示
   观察依据

   非标准化系数 B 列与标准化系数 Beta 列同时显示在同一张表格中。

1. 该片段在充分展开这一对比前即已结束。

原始系数与标准化系数不可互换使用。

非标准化系数在变量的原始单位下进行解释；标准化系数在标准差单位下进行解释。

1. 声音
   观察依据

   主讲人说：“我们可以看到，未标准化系数的真实值落在……之间的概率为95%。”

误以为95%置信区间意味着该特定总体参数真实值落在已计算出的区间内的概率为95%。

在频率学派统计中，真实参数是固定的，而非随机的。正确解释应为：从重复抽样中构造出的此类区间中，有95%会包含真实参数。主讲人的这种说法是一种常见的教学简化，但严格来说并不精确。

1. 声音
   观察依据

   主讲人首先宣布本视频的主题是解读SPSS中的多元回归输出，随后立即介绍SPSS数据编辑器中的变量。

解读SPSS多元回归输出这一总体任务，在此处通过先明确数据集结构与变量角色得以具体化。

1. 声音
   观察依据

   在说明存在两个预测变量后，主讲人分别命名并解释了“职业受限程度”和“经验”。

数据集结构包括作为预测变量的那部分变量。

1. 声音
   观察依据

   在说明存在一个结果变量后，主讲人定义了“找到工作所需天数”。

数据集结构包括作为回归结果的单一因变量。

1. 声音
   观察依据

   主讲人先定义预测变量，然后说：“因此，在进行多元回归之前，我们可以提出几个假设。”

在陈述预测变量与结果变量之间预期的方向性关系之前，必须先明确哪些变量是预测变量。

1. 声音
   观察依据

   主讲人在陈述对就业时间的预期影响之前，立即定义了结果变量。

经验效应的假设符号是相对于结果变量“就业所需天数”来表达的，因此必须首先明确该结果变量的定义。

1. 声音
   观察依据

   主讲人解释道，“职业限制程度”数值越高，表示限制越严重，进而预测就业所需时间更长。

这一正向方向性假设依赖于先前的定义：指标数值越大，代表限制程度越严重。

1. 声音
   观察依据

   主讲人将‘经验’定义为工作经历的年数，随后预测经验越多，就业所需天数越少。

这一负向方向性假设依赖于先前对‘经验’的操作化定义，即累积的工作年数。

1. 声音
   观察依据

   主讲人首先将任务界定为聚焦于输出结果，随后打开线性回归对话框。

聚焦于输出结果解读这一总体决策，是通过启动 SPSS 线性回归过程来实现的。

1. 图示
   观察依据

   该对话框包含独立的“因变量”和“自变量(s)”输入框，主讲人据此相应地分配变量。

回归设置流程包含了因变量与自变量之间的区分。

1. 图示
   观察依据

   在选中“描述统计”及其他选项后，输出结果中包含“描述性统计”及相关表格。

在“统计”对话框中请求描述统计，将导致输出中出现“描述性统计”表格。

1. 声音
   观察依据

   主讲人在“模型摘要”中解读调整后的 R 方，随后说道：“接下来我们看方差分析（ANOVA）……”

所演示的阅读顺序，是将模型拟合摘要置于输出解读流程中整体显著性检验之前。

1. 声音
   观察依据

   在讨论完方差分析（ANOVA）的显著性后，主讲人说道：“然后是我们有系数表。”

输出结果的解读顺序是从整体模型检验逐步过渡到各个系数的估计值。

1. 声音
   观察依据

   主讲人介绍本视频的主题是使用SPSS解读多元回归输出结果。

1. 本片段的目的：解读 SPSS 中的多元回归输出结果。

1. 声音
   观察依据

   主讲人指出本例中有两个预测变量和一个结果变量，并逐一说明其名称。

1. 示例数据集的结构
2. 多元回归示例中的预测变量
3. 多元回归示例中的结果变量

1. 声音
   观察依据

   主讲人将‘职业限制程度’解释为一个由多个问题构建而成的指标，并指出数值越高表示限制越严重。

1. ‘职业限制’作为一个指数得分

1. 声音
   观察依据

   主讲人将‘经验’定义为全职或兼职工作经历的年数。

1. 经验以年为单位进行测量。

1. 声音
   观察依据

   主讲人在进行回归分析前，说明了两个预测变量的预期影响方向。

1. 关于 Career_limitations 的方向性假设。
2. 关于经验变量的定向假设。

1. 图示
   观察依据

   仅展示了SPSS数据编辑器界面；未出现任何回归表格。

1. 本片段的目的：解读 SPSS 中的多元回归输出结果。

1. 声音
   观察依据

   主讲人表示将解释调整后的R方，并说明237为23.7%的变异量解释率。

1. 模型摘要表与调整后 R 方的选择
2. 对调整后的R方 = .237的解释。

1. 声音
   观察依据

   主讲人指出方差分析（ANOVA）结果具有统计学显著性，因为p值小于05。

1. 方差分析（ANOVA）表作为整体模型显著性检验
2. 整体回归模型具有统计学显著性。

1. 声音
   观察依据

   主讲人读出了“职业限制”和“经验”的非标准化回归系数。

1. 系数表与非标准化回归权重

1. 声音
   观察依据

   主讲人按顺序依次指出各表格名称，从描述性统计量表到系数表。

2. 图示
   观察依据

   输出查看器按该顺序滚动显示各表格。

1. SPSS 多元回归输出结果的有序阅读。
2. SPSS回归输出中的描述性统计量表
3. SPSS回归输出中的相关系数表
4. 输入/移除变量表
5. 模型摘要表与调整后 R 方的选择
6. 方差分析（ANOVA）表作为整体模型显著性检验
7. 系数表与非标准化回归权重

1. 声音
   观察依据

   主讲人指出多重回归存在若干假设，但本片段未检验这些假设。

1. 具体假设未被逐一列出。

1. 本次演示的范围：解读输出结果，而非检验假设。
2. 多元回归具有一些应在使用前加以检验的假设

1. 声音
   观察依据

   主讲人指出，.009及小于.05的值表明具有统计显著性。

2. 图示
   观察依据

   ‘显著性（Sig.）’列被高亮显示。

1. 利用p值判断统计显著性
2. Career_Limitations 在该模型中具有统计显著性。
3. Experience 在该模型中具有统计显著性。