在各行業(yè)的統(tǒng)計(jì)工作中，經(jīng)常會(huì)在不同的維度上對(duì)因變量和自變量的關(guān)系進(jìn)行研究分析。比如我們要統(tǒng)計(jì)上海和北京在不同的時(shí)間維度上（上午、下午、晚上）的車流量，這種研究，它們之間的數(shù)據(jù)是非獨(dú)立的，彼此之間具有一定的關(guān)系。針對(duì)這種數(shù)據(jù)的研究，我們就不可采用普通的線性回歸、邏輯回歸，而需要使用廣義估算方程來進(jìn)行其他模型的擬合計(jì)算,下面使用SPSS軟件來為大家演示如何針對(duì)此情況進(jìn)行統(tǒng)計(jì)分析。 

一、流程步驟

本文中演示的數(shù)據(jù)如圖1，第一列表示街道ID；第二列表示車流量；第三列表示是否堵塞（1表示堵塞，0表示不堵塞）；第四列表示天氣（0表示天氣下雨；1表示天氣良好或晴朗）；第五列表示城市（1為上海，2為北京）。

圖1：演示數(shù)據(jù)

第一步：點(diǎn)擊【分析】--【廣義線性模型】--【廣義估算方程】，在“重復(fù)”項(xiàng)中，輸入主體變量（選擇街道ID）和主體內(nèi)變量（選擇車流量），然后在下方的工作相關(guān)性矩陣中，本演示數(shù)據(jù)中需選擇“可交換”。

圖2：填寫重復(fù)項(xiàng)

工作相關(guān)性矩陣可選項(xiàng)有5個(gè)，其中“自變量”表示各數(shù)據(jù)間相互獨(dú)立；“AR（1）”表示自相關(guān)，相鄰數(shù)據(jù)間時(shí)間相距越大，則相關(guān)性越小；“可交換”表示等相關(guān)，相鄰數(shù)據(jù)間的相關(guān)性是相等的；“M相關(guān)”表示相鄰相關(guān)，即相鄰的M+1個(gè)數(shù)據(jù)有相關(guān)性，其他數(shù)據(jù)沒有相關(guān)性；“非結(jié)構(gòu)化”表示不限定相關(guān)結(jié)構(gòu)。

圖3：工作相關(guān)性矩陣

第二步：由于本演示數(shù)據(jù)是二分類數(shù)據(jù)，因此接下來我們?cè)?ldquo;模型類型”中，選擇“二元Logistic”。

圖4：設(shè)置模型類型

第三步：在“響應(yīng)”菜單中，輸入因變量為“是否堵塞”，再點(diǎn)擊“參考類別”按鈕，設(shè)定參考類別為“第一個(gè)值”，表示設(shè)定不堵塞這個(gè)分類為參考分類。

圖5：設(shè)置響應(yīng)

第四步：在“預(yù)測(cè)變量”菜單的“協(xié)變量”中，填入“天氣”和“城市”作為模型的協(xié)變量，如圖6。 

圖6：設(shè)置協(xié)變量

第五步：在“模型”菜單中，指定“天氣”和“城市”為模型效應(yīng)，如圖7。 

圖7：指定模型效應(yīng)

第六步：在“統(tǒng)計(jì)”菜單中，除了SPSS默認(rèn)幫我們勾選的項(xiàng)目外，我們還需要再勾選上“包括指數(shù)參數(shù)估算值”這一項(xiàng)。最后點(diǎn)擊“確定”，生成統(tǒng)計(jì)結(jié)果。

圖8：勾選包括指數(shù)參數(shù)估算值

二、結(jié)果分析

結(jié)果得到的多個(gè)表格，我們直接看“參數(shù)估算值”表格即可，見圖9，我們主要關(guān)注顯著性一列和Exp（B）一列，Exp（B）即上述我們勾選的“指數(shù)參數(shù)估算值”，也就是通常所說的OR值（比值比）。

在天氣這行中我們可以看到，顯著性為0.046，Exp（B）為0.341，這說明天氣晴朗造成堵塞的概率是天氣下雨造成堵塞的概率的0.341倍，且顯著性低于0.05，說明結(jié)論具有統(tǒng)計(jì)學(xué)意義；另外在城市一行中，我們可以看到顯著性為0.531，這說明城市這一自變量在此演示數(shù)據(jù)中不具有統(tǒng)計(jì)學(xué)意義。

圖9：參數(shù)估算值