リッカートとパラメータ推定の緊急ヘルプ私はいくつかの独立したx変数（同様にLikert）に対する従属変数（Likert応答）をテストするところでFit Modelを実行しています。どちらのセットも1から7の回答で、強く賛成できないことに強く反対しています。 私の問題は報告にあります。 下の画像を見て個々の試合だけではなく、全体の見積もりを評価するにはどうすればよいですか。
私はspssに示すような出力を達成しようとしています
SPSS outputSPSS出力
主要サプライヤに対する交渉力のような変数がロールアップされているところ。 それとも私がテストしていたものと一致するものだけを使用する必要があるということです（7とマークされたもののように最も影響力のあるもの？）助けてください。 あるいは、自分のデータを異なる方法で整理したり、異なるテストをしたりする必要がある場合は、どの方向でもよいでしょう。
再：緊急リッカートとパラメータの推定に役立つ私はこの研究やSPSSが名目ロジスティック回帰モデルをパラメータ化する方法には慣れていません。考えられる可能性が2つあります。
- あなたが参照する公表された研究は、それらが連続変数であるかのようにカテゴリカル予測子を扱ったかもしれません。その場合、各予測子に対して単一の推定値があります。
- 応答にはリッカート尺度が使用されているので、Yの序数モデル化タイプを使用できます。通常のロジスティック回帰では累積ロジットが使用され、各予測子に対して単一の推定値があります。
これらのカテゴリカルYとXの間の関連性を調べるために、調査に複数の対応分析を含めることもできます。
再：緊急リッカートとパラメータの推定に役立つ1。ご回答ありがとうございます
次に、はい、私は以下の結果を使用することができますが、私が見積もりとして何をリストするのか、あるいはそれぞれ（または最も重要なもの）をリストする必要があるのかは定かではありません。
2番目の図に示されている別の研究と同じ分野を使おうとしています。私はこれらの結果を見つける方法を知っていますか？
再：緊急リッカートとパラメータの推定に役立つJMPで回帰を名目ロジスティックとして設定したので、一般化ロジットを線形予測子に対して回帰しています。そのモデルは、あなたの応答に7つのレベルがある場合、6つのロジットと6つのパラメータのセットがあることを意味します。あなたの線形予測子は、会社の規模を除いてカテゴリー的要因の組み合わせです。そのパラメータ化は、各セット内の推定数をさらに拡大します。
モデル内の個々の項の有意性を評価するために、効果尤度比検定を使用できますか？このテーブルは、[Parameter Estimates]テーブルの下に表示されます。
