1樓：荔菲騫澤
主要看f值、t值、係數、sig值，也就是p值
spss多元線性回歸結果怎麼判斷是有效的
2樓：風吹的小羊
判斷有效抄性是看p值。就是襲你的只有三行的bai那個表，依次寫著du回歸，殘差什麼的。你看zhi那個回歸裡dao邊的p值。小於0.05就是模型有效，操作如下：
1、首先開啟需要處理的相關文件。
2、點選主選單上的「分析」選項。
3、之後再點選「回歸」選項中的「線性回歸」。
4、選擇想要分析的自變數和因變數到相應的框中，點選中間的箭頭按鈕新增進去即可。
5、選擇好需要分析的變數以後，在右邊有相應的統計量和選項，點中自己需要分析的條件，點選繼續即可。
6、確定好所有的因素之後，確定就可以在輸出框中顯示最終的分析結果了。
3樓：ppv課
不是，判斷有效性是看p值。就是你的只有三行的那個表，依次寫著回歸，殘差什麼的。你看那個回歸裡邊的p值。小於0.05就是模型有效
spss中回歸分析結果解釋，不懂怎麼看
4樓：中子
首先來說明各個符號，b也就是beta，代表回歸係數，標準化的回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值就是對回歸係數的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回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。
回歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行回歸的所有自變數的回歸係數的乙個總體檢驗，如果sig<0.05,說明至少有乙個自變數能夠有效**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，看標準化的回歸係數是否顯著，每個自變數都有乙個對應的回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，代表回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**力的乙個矯正（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
希望對您有用
5樓：匿名使用者
看coeffuenthesig即可，
spss多元線性回歸輸出結果的詳細解釋
6樓：環球青藤
先說一句題外話，如果當年在大學裡數理統計等課程結合spss，sas，r等軟體來講，應該效果會好很多。
最近做了一些用spss進行線性回歸的實驗，還是感覺很多細節把握不好，這裡結合我的實驗結果，以及網上別人的介紹總結一下，先貼幾張spss的輸出：
下面簡單解釋一下這三張圖中的結果：
第乙個表模型彙總表中，r表示擬合優度（goodness of fit），它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。調整的r平方比調整前r平方更準確一些，圖中的最終調整r方為0.
550，表示自變數一共可以解釋因變數55%的變化（variance），另外，由於使用的是stepwise linear regression (swlr)，分析——回歸——線性——「方法」選擇「逐步」，所以模型1、2、3的r方逐漸增大，標準誤差逐漸減小。
（據網友的介紹：一般認為，擬合優度達到0.1為小效應（r方0.
01），0.3為中等r方0.09），0.
5為大（r方0.25），這是針對自然科學的一般界限。）
第二個表anova表示方差分析結果，主要看f和sig值兩個，f值為方差分析的結果，是乙個對整個回歸方程的總體檢驗，指的是整個回歸方程有沒有使用價值（與隨機瞎猜相比），其f值對應的sig值小於0.05就可以認為回歸方程是有用的。另外，從f值的角度來講：
f的值是回歸方程的顯著性檢驗，表示的是模型中被解釋變數與所有解釋變數之間的線性關係在總體上是否顯著做出推斷。若f>fa(k,n-k-1)，則拒絕原假設，即認為列入模型的各個解釋變數聯合起來對被解釋變數有顯著影響，反之，則無顯著影響。
這裡簡單對fa(k,n-k-1)進行一下解釋，k為自變數個數，n為樣本容量，n-k-1為自由度。對於我的實驗中的情況來講，k=3，樣本容量為146，所以查表的時候應該差fa(3,142)，一般數理統計課本中都有f分布表，a表示的顯著性水平（一般取0.05），但我們手頭不一定會有課本，就需要借助於excel來查f表，開啟excel，在公式區輸入：
=finv(0.05,3,142)，在單元格中即出現2.668336761，表中的f值顯著大於這個值，則認為各個解釋變數對因變數有顯著影響。
需要注意的是，方差分析是對多個自變數的總體檢驗，而不是單個自變數（單個自變數在係數表中，為單樣本t檢驗），這就是第三個表回歸係數表中的內容。
係數**列出了自變數的顯著性檢驗結果（使用單樣本t檢驗），最後一列為t檢驗的sig，表中均小於0.05，說明自變數對因變數具有顯著影響，b表示各個自變數在回歸方程中的係數，負值表示ipgf這個自變數對因變數有顯著的負向影響，但是由於每個自變數的量綱和取值範圍不同，基於b並不能反映各個自變數對因變數影響程度的大小，這時候我們就要借助標準係數。目前**中的「試用版」實際上是beta的意思，此時數值越大表示對自變數的影響更大。
從這個分析過程來看，這個實驗結果還挺理想的。
7樓：匿名使用者
非標準化係數（b）：非標準化回歸係數。回歸模型方程中使用的是非標準化係數。
標準化係數（beta）：標準化回歸係數。一般可用於比較自變數對y的影響程度。beta值越大說明該變數對y的影響越大
t值：t檢驗的過程值，回歸分析中涉及兩種檢驗（t檢驗和f檢驗），t檢驗分別檢驗每乙個x對y的影響關係，通過t檢驗說明這個x對y有顯著的影響關係；f檢驗用於檢驗模型整體的影響關係，通過f檢驗，則說明模型中至少有乙個x對y有顯著的影響關係。此處的t值，為t檢驗的過程值，用於計算p值。
一般無需關注。
p值：t檢驗所得p值。p值小於0.05即說明，其所對應的x對因變數存在顯著性影響關係。
vif值：共線性指標。大於5說明存在共線性問題。
r²：決定係數，模型擬合指標。反應y的波動有多少比例能被x的波動描述。
調整r²：調整後的決定係數，也是模型擬合指標。當x個數較多是調整r²比r²更為準確。
f檢驗：通過f檢驗，說明模型中至少有乙個x對y有顯著的影響關係。分析時主要關注後面的p值即可。
第一步：首先對模型整體情況進行分析
包括模型擬合情況（r²），是否通過f檢驗等。
第二步：分析x的顯著性
分析x的顯著性（p值），如果呈現出顯著性，則說明x對y有影響關係。如果不顯著，則應剔除該變數。
第三步：判斷x對y的影響關係方向及影響程度
結合回歸係數b值，對比分析x對y的影響程度。b值為正數則說明x對y有正向影響，為負數則說明有負向影響。
第四步：寫出模型公式
第五步：對分析進行總結
spssau也會提供智慧型分析建議，方便分析人員快速得出分析結果。
請點選輸入**描述
求解釋spss多元線性回歸結果 10
8樓：匿名使用者
你的回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）
求教！！spss進行多元線性回歸後得到的結果怎樣是有效的？
9樓：呂秀才
看回歸係數對應的 sig值，若小於0.05，說明 該自變數對因變數具有顯著營銷，反之沒有影響
10樓：裘小木
看不清圖 心有餘而力不足
11樓：匿名使用者
是的，看sig是都有影響的
用spss做多元線性回歸分析，總共三個自變數，乙個因變數，如何根據這些引數確定影響程度？
12樓：匿名使用者
b值：用
於判斷x對y的影響關係方向及影響程度。
回歸係數b值大於0說明正向影響,反之負向影響，以及通過b值大小對比x對y的影響程度大小。
p值：即sig值，如果p<0.05,則說明具有影響關係,反之無影響關係。
r方：用於判斷模型情況
vif值：判斷模型共線性問題
f檢驗：用於判定是否x中至少有乙個對y產生影響,如果呈現出顯著性,則說明所有x中至少乙個會對y產生影響關係。
具體說明可檢視spssau輸出的智慧型文字分析結果。
13樓：he**en小太陽
非標準化係數就是回歸方程的斜率，表示每個自變數變化1個單位，因變數相應變化多少個單位，該係數與自變數所取的單位有關，一般不用來衡量自變數的影響力大小。
標準化係數消除了自變數單位的影響，其大小可以衡量每個自變數對因變數的影響力之大小，一般來說，標準化係數的絕對值越大，該自變數對因變數的影響力就越大。
spss（statistical product and service solutions），「統計產品與服務解決方案」軟體。最初軟體全稱為「社會科學統計軟體包」（solutionsstatistical package for the social sciences），但是隨著spss產品服務領域的擴大和服務深度的增加，spss公司已於2000年正式將英文全稱更改為「統計產品與服務解決方案」，這標誌著spss的戰略方向正在做出重大調整。spss為ibm公司推出的一系列用於統計學分析運算、資料探勘、**分析和決策支援任務的軟體產品及相關服務的總稱，有windows和mac os x等版本。
1984年spss總部首先推出了世界上第乙個統計分析軟體微機版本spss/pc+，開創了spss微機系列產品的開發方向，極大地擴充了它的應用範圍，並使其能很快地應用於自然科學、技術科學、社會科學的各個領域。世界上許多有影響的報刊雜誌紛紛就spss的自動統計繪圖、資料的深入分析、使用方便、功能齊全等方面給予了高度的評價。
spss多元線性回歸分析，SPSS多元線性回歸分析
因為在多元回歸分析的過程中，會自動剔除一些對於因變數無顯著影響的變數 你只是用簡單相關分析的不準確，有可能是變數之間存在一些共線性 所以導致單個都相關，而在多元回歸分析時 會有些變數被剔除了，回歸方程可以用，但是哪幾個不顯著的變數無法列入的 從資料分析的角度來說，哪幾個變數已經沒有什麼意義了哦，當然...
spss做多元線性回歸方程的結果的問題
spss做多元線性回歸方程 此類資料統計問題均可 名中我qq來幫你解決。順便問下圖中的3個 最終說明了乙個什麼樣的結果？只有lending balance對在你的第乙個回歸方程當中，只有兩個變數的sig小於0.05，因此老師讓你做這 sorry,我才初一，聽不懂你說什麼，非常抱歉 spss多元線性回...
求解釋spss多元線性回歸結果，求解釋spss多元線性回歸結果
你的回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...
怎麼用spss20 0做因子分析
kmo檢驗統計量在以上，說明變數。之間的偏相關性較強，適合做因子分析，球形檢驗p小於，說明變數之間存在相關性。第二格 為共同性，表示各變數中所含原始資訊能被提取的共同因子所表示的程度，根據你的資料，你提取的公因子是兩個，第三個 是指提取的倆個主成分能解釋差異的比列，第四個 是主成分表示式，第五 是因...
spss如何做複式直方圖，spss如何做複式直方圖
三個變數都是scale尺度的資料，單獨來講的確都適合用直方圖來進行分布描述，但是還從來沒有把三個scale尺度的資料同時繪製在同一座標平面的三張直方圖 只有nominal或ordinal尺度的資料才會出現多變數的復合條形圖 所以你應該也發現spss沒有這樣的功能，因為這不太合理。你想把三個變數同時繪...