在问卷中设置的主要网上行为也是基于这点设置的，把问题设置在最后是否网络成瘾之前，是为了使调查者在考虑到自己的主要网上行为后才选择因变量的取值。这里有个关系需要说明：上网时间长，玩游戏的，调查对象在填y值时会偏向性的从严重往一般，轻微转，甚至会选没有，上网时间长，学习工作的，会比较倾向于选择没有网瘾，除去误差允许范围内的数据。说明y取值虽然是主观的但还是合理的。

.......

问题分析

根据问题要求是寻找影响网瘾的主要因素[2]，在确定因素后，加以数量化，同时针对因变量取值的主观性，考虑先用统计分析进行变量取值合理性判断。然后与因变量建立起联系，在确定方法后，设计程序进行分析，针对分类问题，会想到判别分析，但本文是寻找主要因素，所以在事先用普遍的统计分析手段进行分析后，再进行主logistic回归分析来寻找主要因素。在后文会提到logistic回归的应用范围[1]。调查表设计见附录1，调查表所得数据见附件1。

.......

由上得到因变量y的取值分4类是合理的，同时，因在用谱系聚类处理问卷数据时，因为自变量取值比较接近，算出来的距离很接近，得出的结论不符合实际，我考虑用快速聚类法，具体采用Lm快速聚类法，程序见附录2；聚完类后我再采用logistic回归分析，发现有很多不一致的地方，分析原因得到，聚类分析时根据给出的自变量进行分类，若再对分好的类进行logistic回归分析，得出的结果会因为分类时不是根据主要变量进行的影响而造成得出结果与实践偏离，同时我也考虑过对直接得到logistic回归分析的结果进行聚类分析，发现，各类的频数与原来结果相近，但因各个类间的相似性，把结果代入原表格，发现原来的y值与类数之间有偏差，分析造成这一影响的原因，得到主要是主观数据与客观数据的区别，我不能把分好的类就直接对应原数据的y值。它们的定义不同。

为此，作为先前的分析需要，同时结合logistic回归分析中原理的模型估计（看后续知识介绍），从模型估计得到启发，尝试用线性回归分析进行显著性检验[4][8]，程序见附录2,调用程序5：

.......

通过分析已经知道因变量取值及分类的合理性，通过设置网上主要行为来影响调查者在问卷中y的取值的主观性，通过聚类分析中的谱系聚类来分析因变量分类的合理性，通过一般数据分析方法中的线性回归分析来说明结果方程是否线性，在进而引进主要分析方法logistic回归分析。得到影响大学生网络成瘾的主要因素为学习成绩，家庭关系，人际关系，每天上网时间这4个方面。在初步分析中，家庭月收入虽然在逐步回归中被剔除，但在结果说明中还是可以作为次要因素进行分析。结果表明，学习成绩很好向很差转变，家庭关系从很好到很差转变，人际关系从很差向很好转变，每天上网时间增加，就会增加网络成瘾的程度，从轻微向严重转变。希望有关单位根据本课题的分析来采取相应的措施

针对学习成绩，优势比值为2.313，从中可以看出，若一个学生重视学习，学习成绩好，则该学生的网络成瘾程度低，属于轻微或没有，建议学校鼓励学生学习，并加大学习时间。针对家庭关系，优势比值为2.042，从中可以看出，家庭关系越和睦，学生对网络的依赖就会减少，就能属于网瘾程度低的那类。建议学校加大家长的教育，关心学生的日常生活。针对人际关系，优势比值为0.478，即第1个水平与高1级的水平比，网络成瘾程度是第2个水平下的0.478倍（如x6=1与x6=2比，网络成瘾程度前者是后者的0.478倍），说明人际关系越差，越容易网络成瘾。建议学校开展社团活动鼓励学生参加这些活动。针对每天上网时间，虽然也有人上网是为了工作，但从多数看，上网时间越久，越容易网络成瘾，建议学校限制......