1樓：呂秀才
你可以嘗試著先繪製下散點圖看看 會不會用其他曲線擬合的效果會更好，很多時候資料用線性和一些非線性擬合後都會有顯著效果，但是不一定是最佳的，所以需要判斷自變數和因變數之間關係是否符合線性。
如果仍然是符合線性趨勢，但是你只有這麼一個自變數的話，那就沒有辦法優化了，如果還有其他自變數，可以嘗試著引入之後 再看回歸效果
spss 多元線性迴歸分析 幫忙分析一下下圖，f、p、t、p和r方各代表什麼？？謝謝~
2樓：薔祀
f是對迴歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明迴歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著。
擴充套件資料：
多元線性迴歸的基本原理和基本計算過程與一元線性迴歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要藉助統計軟體。這裡只介紹多元線性迴歸的一些基本問題。
但由於各個自變數的單位可能不一樣，比如說一個消費水平的關係式中，工資水平、受教育程度、職業、地區、家庭負擔等等因素都會影響到消費水平，而這些影響因素（自變數）的單位顯然是不同的，因此自變數前係數的大小並不能說明該因素的重要程度。
更簡單地來說，同樣工資收入，如果用元為單位就比用百元為單位所得的迴歸係數要小，但是工資水平對消費的影響程度並沒有變，所以得想辦法將各個自變數化到統一的單位上來。前面學到的標準分就有這個功能。
具體到這裡來說，就是將所有變數包括因變數都先轉化為標準分，再進行線性迴歸，此時得到的迴歸係數就能反映對應自變數的重要程度。這時的迴歸方程稱為標準迴歸方程，迴歸係數稱為標準迴歸係數。
spss for windows是一個組合式軟體包，它集資料整理、分析功能於一身。使用者可以根據實際需要和計算機的功能選擇模組，以降低對系統硬碟容量的要求，有利於該軟體的推廣應用。spss的基本功能包括資料管理、統計分析、圖表分析、輸出管理等等。
spss統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、迴歸分析、對數線性模型、聚類分析、資料簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程。
比如迴歸分析中又分線性迴歸分析、曲線估計、logistic迴歸、probit迴歸、加權估計、兩階段最小二乘法、非線性迴歸等多個統計過程，而且每個過程中又允許使用者選擇不同的方法及引數。spss也有專門的繪圖系統，可以根據資料繪製各種圖形。
3樓：匿名使用者
先從最下面兩行說起
f是對迴歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明迴歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著
請教spss迴歸分析結果解讀
4樓：匿名使用者
首先看 方差分析表 對應的sig 是否小於0.05，如果小於0.05，說明整體迴歸模型顯著，再看下面的迴歸係數表，如果這裡的sig大於0.
05，就說明迴歸模型不顯著，下面的就不用再看了。
其次，在迴歸模型顯著的基礎上，看調整的r方，是模型擬合度的好壞，越接近1，說明擬合效果越好。這個在一般做**中，不需要管它的高低，因為**重在研究方法和思路的嚴謹性，導師不會追究你的結果是對是錯，你的資料本身就不一定有質量，所以無所謂，不必在意。
第三 看具體迴歸係數表中每個自變數 對應的sig值，如果sig小於0.05，說明該自變數對因變數有顯著**作用，反之沒有作用。
5樓：中子
說明一下各個符號，constant的意思是常量，實際上就是迴歸方程的截距，也就是自變數為0時因變數的取值，如果你的方程是標準化的，且因變數是正態分佈的，那麼常量會變成0，也就是沒有截距。b也就是beta，代表迴歸係數，標準化的迴歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對迴歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.
05一般被認為是係數檢驗顯著，顯著的意思就是你的迴歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
迴歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗，如果sig<0.05,說明至少有一個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的迴歸係數是否顯著，每個自變數都有一個對應的迴歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表迴歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的一個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
標準誤表示由於抽樣誤差所導致的實際值和迴歸估計值的偏差大小，標準誤越小，迴歸線的代表性越強
希望對您有用
急！！spss迴歸分析：怎樣看資料是否可以做線性迴歸分析，又怎麼看回歸分析的結果。
6樓：仙人掌的憂傷
一個自變數 一個因變數如果要進行線性迴歸，無論是一元還是多元，第一步首先應該先畫下散點圖，看是否有線性趨勢，如果有線性趨勢了，再使用線性迴歸。
現在很多人都忽略這一點 直接使用的。 至於判斷線性方程擬合的好壞，看r方和spss迴歸分析：怎樣看資料是否可以做線性。
spss for windows的分析結果清晰、直觀、易學易用，而且可以直接讀取excel及dbf資料檔案，現已推廣到多種各種作業系統的計算機上，它和sas、bmdp並稱為國際上最有影響的三大統計軟體。在國際學術界有條不成文的規定。
7樓：
統計可以用很科學很複雜的方式去處理，也可以簡單化的處理，主要看你資料的用途，如果不是需要發表**之類，可以按以下簡單方式來操作，spss的迴歸過程，已經包含了驗證。
1、在spss裡把a、b、c、d四個變數對應的資料錄入好。
2、點analyze--regession--linear，在彈出框裡，把變數d選定在dependent裡，其他3個因子選到independent裡。method裡就用預設的enter。如果不需要看其他統計或驗證的，直接點ok。
結果裡，r值就是迴歸的決定係數，代表各變數能解析因變數的程度。anova裡，sig小於0.05證明迴歸方程有效。
constant對應的b值是截距。因子對應的beta值就是他們的標準化影響係數。 最後公式可以通過看b值那列，a、b、c變數對應的b值為係數，分別相乘，最後加上constant常數值即可。
8樓：
你可以先看它們的相關程度，做相關性檢驗。相關程度大於0.5基本可以然後做最小二乘迴歸 看p值 小於0.05為有線性關係 r^2 越高越好 基本上為0.8 、0.9最佳
d.w值（需查表）。以上三個指標ok的話 就說明這個公式d=係數a+係數b+係數c+e顯著 然後就可以分析了
建議用eviews
找本計量經濟學的書照著弄吧 同學~~~
spss：得到一個多元線性迴歸模型之後，如何比較**值和真實值？如何判斷模型是否有**能力？
9樓：匿名使用者
首先你要搞清楚多元線性迴歸不是專門**的
你的是指判別分析吧。看到文獻中將一個樣本隨機抽樣分成兩個樣本，用第一個樣本得出模型各變數的係數，再用這個模型估計第二個樣本中的結果，拿這個估計值和樣本二的實際值做比較，然後出來一個r平方和一個平均誤差值，我就是不太明白這裡是如何比較估計值和實際值的。這些都是判別分析的作法。
訓練樣本和驗證樣本
如何分析迴歸模型的擬合度和顯著性
10樓：一個人在那看書
我分析迴歸模型的離合度和顯示度，首先還是看它的成分表，如果合適的話再說
11樓：七七的西西
模型的擬合度是用r和r方來表示的，一般大於0.4就可以了，你的擬合度還不錯；自變數的顯著性是根據各個自變數係數後面的sig值判斷的，如果小於0.05可以說在95%的顯著性水平下顯著，小於0.
01就可以說在99%的顯著性水平下顯著了。你的題目中沒有給出係數表，所以我看不到顯著性如何。
spss，5個自變數一元線性迴歸顯著性都很高，可是作多元迴歸統計時顯著性變得很低，怎麼辦 10
12樓：匿名使用者
這是因來為這五個因素自雖然單獨作用因
bai變數都很明顯，但是du
將他們綜合考察對因變數zhi的影響的dao時候，不同因素影響的大小不同，影響小的可能效果被影響大的掩蓋了；另外多元迴歸的重點並非變數的綜合對因變數的影響，而是不同變數對因變數的影響那一個最大，這時候考察的指標並非sig,而是標準化偏回歸係數（bata),不同因素的（bata)值（絕對值）的大小決定那一個因素影響因子最大。
所以不必考慮干擾，如果你的資料是比較準確客觀的就沒有問題，就怕實驗設計和操作不合理使得資料不健康，那就另當別論了。
13樓：匿名使用者
簡單想了一下，想到一種解釋可能供參考：單個自變數間如果存在了很高的共線性問題，那回麼即使你的答自變數個數再多，可能也就頂1個半的自變數。 所以先用b-球型檢驗 看看原始5個自變數的多重共線性是否顯著。
spss線性迴歸分析結果怎麼看,spss迴歸分析結果怎麼得出迴歸結果
model summary 是對模型擬合效果的總結，r是相關係數，r2是決定係數，係數越大表面擬合效果越好。anova是方差分析，然後f檢驗 coefficients就是迴歸結果，得到的迴歸方程的係數 spss迴歸分析結果怎麼得出迴歸結果 首先要f檢驗，如果f值右上角有 號，說明迴歸分析通過f檢驗，...
這是用SPSS做多元線性迴歸的結果，請求高手幫忙做下解釋，論
第一個圖顯抄示你是用進入法做的迴歸分析，全部因變數都進入方程。第二個圖只需要看你的r的平方，你的圖中顯示r方才0.146，對變異的解釋只有14.6 太低了。第三個圖是方差分析，sig顯著性為0.034，表示因變數和自變數完全無線性關係的概率很低。第四個圖是迴歸係數及其顯著性分析。standardiz...
spss線性迴歸和logistic迴歸的區別
線性回來歸要求因變數必須是連續性數 源據變數 logistic迴歸要求因變數必須是分類變數，二分類或者多分類的 比如要分析性別 年齡 身高 飲食習慣對於體重的影響，如果這個體重是屬於實際的重量，是連續性的資料變數，這個時候就用線性迴歸來做 如果將體重分類，分成了高 中 低這三種體重型別作為因變數，則...