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...