| 關 鍵 詞： |
教師圖像；所有子集迴歸；教育研究；迴歸分析；SPSS |
| 中文摘要： |
教育研究常應用逐步迴歸分析，卻少見採用所有子集迴歸分析，此肇因於論述少介紹，SPSS 未提供分析功能，而所有子集迴歸分析能提供有關自變項對依變項影響關係的豐富資訊，實有待改善。據此，本研究比較四類多元迴歸分析方法，討論所有子集迴歸分析的優勢和限制，說明所有子集迴歸分析的分析流程、評選最佳子集模式和重要變項的規準和方法、及可資採用的分析軟體。再者，設計適用 SPSS 的所有子集迴歸分析程式，簡述其如何運作和解讀分析結果。最後以教師圖像調查資料進行實證考驗，發現子集迴歸比逐步迴歸提供更豐富的適配模式資訊，使用評選指標比較待選子集迴歸模式，可確認最佳子集模式，顯然所有子集迴歸和分析程式具有應用效益。
|
| 英文關鍵詞： |
teacher image；all subset regression；educational research；regression analysis；SPSS |
| 英文摘要： |
Educational research always conducted stepwise regression but less focus on all-subsets regression that caused by little introductions toward it and lack analytic function in SPSS. All-subsets regression can provide rich information about the influential relations between independent variables and dependent variables that must be improved. The study compared four multiple regression analysis, discussed the strengths and weakness about all-subsets regression, illustrated analytic procedure of all-subsets regression, reported selecting criteria and methods toward the best-subset model and important variables as well as suitable analytic software. Moreover we developed two programs for all-subsets regression in SPSS, and discussed briefly how it works as well as how to interpret the analytic outputs. Finally survey data of teacher image was used to test all-subsets regression, it showed that all-subsets regression provides rich information of fit model more than stepwise regression. The bestsubset regression model can be confirmed by using assessment indices to compare candidate subset regression models. Therefore it showed that all-subsets regression and these programs have several applied benefits for educational research.
|
| 目 次： |
壹、前言
貳、所有子集迴歸分析探討
一、多元迴歸分析方法類型比較
二、所有子集迴歸分析課題探討
（一）分析流程
（二）選擇最佳子集模式規準
參、應用 SPSS 進行所有子集迴歸分析
一、可用 SPSS 命令和程式比較
二、應用 SPSS 進行所有子集迴歸分析
三、ALLREGRESSION 和 Rsq-TEST 程式操作和分析結果詮釋
肆、所有子集迴歸分析在教育研究應用
一、教育研究實例資料和分析架構
二、以所有子集迴歸分析教育研究實例資料結果
（一）教師圖像重要性方面
（二）教師圖像表現度方面
伍、結論與建議
一、結論
二、建議
三、貢獻
|
| 相關法條： |
 |
| 相關判解： |
|
| 相關函釋： |
|
| 相關論著： |
|