1樓:匿名使用者
原因就是你不懂多元迴歸,但是亂在spss裡面點,所以會出現很多莫名其妙的提示
我經常幫別人做這類的資料分析的
在用spss做一個線性迴歸分析,結果如圖,r方很低,但是顯著性都還可以。問題是這個模型**效果很差。
2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
請高手幫忙分析下spss的多元線性迴歸結果吧~急啊~~~
3樓:匿名使用者
你的迴歸方法是直接進入法
擬合優度r方等於0.678,表示自變數可以解釋因變數的67.8%變化,說明擬合優度還可以。
方差檢驗表中f值對應的概率p值為0.000,小於顯著度0.05,因此應拒絕原假設,說明自變數和因變數之間存在顯著的線性關係。
引數檢驗表中只有自變數x2和常數項的概率p值為0.000,小於顯著度0.05,而自變數x1和x3的概率p值大於顯著度0.
05,說明只有自變數x2對因變數在總體中存在顯著的線性關係,x1、x3和因變數在總體中不存在顯著的線性關係。
得到的線性方程為:y=-4.517-0.
000028x1+0.76x2+0.000074x3(記住這裡用的是直接進入法進行擬合方程的,所以即使x1和x3沒通過檢驗,也要放到方程中去)
求解釋spss多元線性迴歸結果 10
4樓:匿名使用者
你的迴歸方法是直接進入法擬合優度r方等於0.678,表示自變數可以解釋因變數的67.8%變化,說明擬合優度還可以。
方差檢驗表中f值對應的概率p值為0.000,小於顯著度0.05,因此應拒絕原假設,說明自變數和因變數之間存在顯著的線性關係。
引數檢驗表中只有自變數x2和常數項的概率p值為0.000,小於顯著度0.05,而自變數x1和x3的概率p值大於顯著度0.
05,說明只有自變數x2對因變數在總體中存在顯著的線性關係,x1、x3和因變數在總體中不存在顯著的線性關係。得到的線性方程為:y=-4.
517-0.000028x1+0.76x2+0.
000074x3(記住這裡用的是直接進入法進行擬合方程的,所以即使x1和x3沒通過檢驗,也要放到方程中去)
spss多元線性迴歸t值大小比較
5樓:
這樣是不可以橫向比較的,因為每個變數的係數的量綱不一樣。如果你想比較自變數對因變數的影響程度的話,首先把所有變數消除量綱再進行迴歸,迴歸出來的係數的絕對值大小就表示影響程度的大小。怎麼消除量綱自己查資料吧!
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,...
如何用SPSS對多元線性迴歸模型的「同方差」及「零條件均值
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...