Page 33 - 論文手稿_林詩莉R

第四節 模型適配結果

本研究使用之迴歸模型的適配統計數據果整理於表 5，圖像化結

果見圖 4、 圖 5。由表中可知，迴歸模型 II 無論是 AIC 或

BIC (Bayesian information criteria，貝氏訊息準則) 數值皆高於其他模

型，同時其均方根誤差 (root mean square error, RMSE) 及標準

差 (standard deviation，又稱 Sigma) 也較高，代表其樣本外預測誤差

和統計模型的相對質量較差。這可能是由於迴歸模型 II 沒有考慮到

本研究資料有群集數據結構並且控制 VIF < 5 的條件下影響模型的

表現，因此預測適配結果較不理想。數據結果顯示，無論是在多元線

性迴歸模型中或是混合線性迴歸模型中，都以逐步回歸挑選變數後的

模型 III 以及模型 VII 表現較佳；整體比較則是模型 VII 在各方面

的表現較平均。由於多元線性迴歸模型與混合線性迴歸模型的參數估

2
計方法不同，模型之間無法進行解釋力 R 比較，在此僅列出供參。

表 5: 迴歸模型 I ~ VII 適配指標摘要表

模型 多元線性迴歸 混合線性迴歸

檢定 I II III IV V VI VII

AIC 243.74 248.571 239.337 246.344 240.611 243.376 235.911
AIC 權重 0.015 0.001 0.136 0.004 0.072 0.018 0.754

BIC 279.282 279.374 267.770 272.408 278.522 278.918 266.714
BIC 權重 0.001 0.001 0.356 0.035 0.002 0.001 0.604

RMSE 0.936 0.990 0.945 1.001 0.789 0.805 0.798
Sigma 1.032 1.075 1.019 1.071 0.905 0.917 0.893

AICc 249.385 250.995 241.511
AICc 權重

條件 R 2 0.938 0.939 0.939
邊際 R 2 0.896 0.89 0.9

ICC 0.397 0.445 0.389
R 2 0.923 0.913 0.921 0.911

調整 R 2 0.907 0.899 0.909 0.9
33