1702646450
1702646451
……妇女是否可以接受合法的堕胎……
1702646452
1702646453
·如果胎儿很可能存在严重的缺陷？
1702646454
1702646455
·如果她已婚但不想要更多的孩子？
1702646456
1702646457
·如果妇女自身的健康因怀孕受到严重伤害？
1702646458
1702646459
·如果家庭收入很低而不能抚养更多的孩子？
1702646460
1702646461
·如果她是被强奸而怀孕的？
1702646462
1702646463
·如果她未婚且不想同那个男人结婚？
1702646464
1702646465
·如果她无论何种原因都想堕胎？
1702646466
1702646467
在排除了所有缺失数据后，我根据对这些题项的肯定应答的数量构建了一种测度。该测度的取值范围在0～7之间。表5-1给出了各宗教群体中肯定应答数量的平均值。除了信奉新教、天主教或犹太教的人之外，那些信奉其他宗教的人或者回答说他们不信教的人都被归入“其他宗教或不信教”这个类别。从表5-1中可以看出，犹太教徒和其他非基督教徒比基督教徒（包括新教徒和天主教徒）更容易接受堕胎。但是，在解释对堕胎的态度这一点上宗教的重要性如何呢？为了回答此问题，我们通过计算得到η2=0.070。（创建表5-1和得到η2的Stata计算程序见本章的-do-和-log-下载文件。）
1702646468
1702646469
表5-1 2006年美国成年人分宗教派别对堕胎的态度测量（范围：0～7）做出肯定回答数的平均值
1702646470
1702646471
1702646472
1702646473
1702646474
显然，宗教派别所能解释对堕胎的态度的方差非常有限。但是，考虑到均值差异相当大，对此该如何解释呢？答案很简单。犹太教徒和“其他”组的教徒对堕胎的态度与新教徒尤其是天主教徒相差甚远。但是，这些组的群体规模很小，特别是犹太教徒。因此，无论他们怎样偏离总的平均值，他们都不可能对方差有太大的影响；当超过一半的人被归入一个组时，就像该例中的新教徒，对堕胎的态度的大部分方差必定是组内方差而不是组间方差。
1702646475
1702646476
相关比率的另一种用途是检验线性假设，这将在第7章讨论。
1702646477
1702646478
1702646479
1702646480
1702646481
量化数据分析：通过社会研究检验想法 [:1702644755]
1702646482
量化数据分析：通过社会研究检验想法 本章小结
1702646483
1702646484
本章介绍了简单的（只有两个变量的）常规最小二乘（OLS）相关和回归，以理解OLS回归这一现代统计分析中最为常用的方法的概念基础。我们也介绍了相关和回归系数的大小如何受到样本在双变量分布上的影响——具体来说就是，结果如何受高杠杆异常值、删截、向均值回归和汇总的影响。完全理解这些影响是很重要的，因为许多混淆视听的结论都是由那些没有理解这些影响的人做出的。我们还介绍了另一种相关系数——相关比率的平方，这类似于相关（系数），只是适用于当有一个间距或连续以及一个分类自变量时的情形。我们在下一章将讨论拓展到多元相关和回归，即当我们有两个或更多自变量时的OLS分析技术。
1702646485
1702646486
1702646487
1702646488
1702646489
量化数据分析：通过社会研究检验想法 [:1702644756]
1702646490
量化数据分析：通过社会研究检验想法 第6章 多元相关和回归（常规最小二乘法）介绍
1702646491
1702646492
量化数据分析：通过社会研究检验想法 [:1702644757]
1702646493
本章内容
1702646494
1702646495
我们在本章介绍处理最典型的社会科学问题的核心技术——理解某些结果如何受几个彼此相关的决定变量的影响。我们从回顾多元相关和回归的概念开始，然后以一个具体例子描述如何解释回归系数。然后我们介绍分类变量的特殊属性，分类变量可以作为一组二分（“虚拟”）变量被纳入多元回归方程中，而原始变量的每一个类别则作为一个变量（为了让方程能够被估计，其中一个类别必须被省略）。在对虚拟变量的讨论中，我们会讨论组间比较的一种策略，它能使我们确定在人口的两个或更多亚组中，如男性和女性、种族分类等，我们研究的社会过程是否以同样的方式运行。最后，我们将讨论选择模型的另一个指标，即贝叶斯信息系数（BIC）。
1702646496
1702646497
1702646498
1702646499