七 总结

本章介绍多种处理类别变项的离散选择模型，当采用这类回归模型进行分析时，除了必须确实掌握它们特有的质性依变量资料特性外，更要清楚判别所观察类别资料的内在机率结构，以适当函数具体呈现出其内在机率结构的系统规律性，以连结其他适切的自变项以进行分析（黄纪，2000）。本章所介绍的二分类别、多分类别、次序类别等模型的内容，均按此一原则来进行系统性的归纳，希冀裨益读者了解各种模型的架构内涵。而要实际运用于各种社会科学的探究，接下来重要的工作便是选用统计软件包（当然也可自行撰写程序）来进行资料的运算。不过由于各软件语法不一，有些功能与指令也不断更新，本章有限篇幅无法仔细比较，以下仅就笔者对几种重要统计软件的了解，简单介绍它们在统计分析上的功能以及后续读者可以自行参考的教材。

先从多数读者熟悉的统计软件SPSS讲起，它是Statistical Product and Service Solution的缩写，早自1968年便开始研发，1992年后开发出的视窗版使用接口相当容易上手，只要使用视窗内的下拉式选单选取指令功能，便可轻松执行相关统计程序，在统计分析功能上也相当完备。除一般线性回归外，虽然本章介绍的一些类别统计模型也可使用SPSS来进行分析，不过一般认为在变异数分析（SPSS具备测试多种特殊效应的功能）及多变量分析（如多变量变异数分析、因素分析、辨别分析等）为其强项。对此套软件有兴趣者除可参见原厂网页外（http://www.spss.com），也可参考邱皓政（2006a, 2006b）、吴明隆（2009）等书的详细说明。

另一开发时间较晚但也同受欢迎的软件，是在1985年研发出来的Stata。Stata不仅具备SPSS的统计分析功能，最大优势在于对类别资料的分析具有相当的便利性，本章介绍的各种类别资料模型以及IIA检定，Stata几乎均可以进行。此外，Stata提供许多模型估算后解释回归模型参数结果的指令（例如，可以检视机率单元模型的边际效果、胜算对数模型的胜算比等），可以帮助研究者较轻松解读相关参数的意义。Stata的指令主要是采传统直接输入语法的方式进行，有建构视窗接口及软件内的“help”“search”和“link”等功能来提示所需的指令选项及下载新的统计程式档，相关资料可参见原厂网址（http://www.stata.com/）。关于类别数据分析时的使用指令，除可参考Stata使用手册外，也可参考Long与Freese（2006）、Hamilton（2009）等所写的专书。

最后是最有名的统计软件SAS，它是由北卡罗来纳州立大学两位教授于1960年代末共同研发的，是目前相关软件中功能最强的。SAS主要是由许多可以配合的套装模块所组成，用户可以透过SAS程序的编辑，进行大规模的资料运算，其中SAS/Graph模块所提供的绘图功能，是其他统计软件所不及的。不过SAS必须使用其特殊的程序语言来输入，使得在撰写各种类别资料模型时较为繁琐，同时除错及修正过程也较费时；此外SAS的价格昂贵，且需经每年授权后才能使用，这都是此一软件在使用上的限制。相关资料除可参见原厂网页（http://www.sas.com）, Allison（1991）、Stokes等人（2000），以及王国川（2004），彭昭英、唐丽英（2005）等对该软件有详细介绍。