1樓：匿名使用者
一個自變數 一個因來變自量
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。這個是前提，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方和調整的r方就可以了，r方越接近1，說明擬合的效果越好。你這個裡面 r方為0.618，調整的r方為0.
570，說明這個自變數可以解釋因變數57%左右的變異，不能說好，也不能說壞。看具體情況而定
anova(b)這個**是檢驗 迴歸方程是否顯著的，sig的值=0.007 小於0.05，說明迴歸模型有意義，可以使用。
下面一個標準化迴歸係數 和非標準化迴歸係數 則是迴歸方程自變數的係數，非標準化的係數用來擬合方程使用，標準化的係數是剔除了不同自變數的不同計量單位影響的，用於比較多個自變數的影響大小
請問spss怎麼做線性迴歸分析
2樓：匿名使用者
如果覺來得spss太難懂，可以嘗試一些在源線自動生成迴歸
分析報告的**工具
3樓：無名行山
先輸入資料，然後圖形->散點圖，選擇自變數與因變數，輸出圖形，看看點是不是版
分佈在同一直線權上，如果比較分散也沒必要做了。如果比較集中分佈，接下來就可以做，分析->迴歸->線性，再看看引數與模型是否通過檢驗，就得到線性迴歸模型。專業點的你可以到**搜「思行科技」，店家可以幫你做
4樓：匿名使用者
spss熟練掌握，你怎麼聯絡
怎樣用spss做一元線性迴歸？具體怎麼檢驗相關性
5樓：匿名使用者
1、開啟spss軟體，在提示符後輸入因變數y和自變數x的資料。
2、接下來使用r中作線性模型的函式lm()函式，lm(y~x+1)表示做有截距的線性迴歸模型，接下來lm(y~x)也是表示有截距的線性迴歸模型，lm(y~x+0)和lm(y~x-1)則表示過原點的線性迴歸模型，紅色部分即為輸出結果。
3、在上述結果中，只得出了迴歸方程的係數和截距，要提取模型資訊就要用到summary()函式。得到的結果就比剛剛多了很多資訊了。
4、接下來對所得結果進行分析：結果中call部分列出了相應的迴歸模型公式，residuals部分列出了殘差的最小值點、四分之一分位點、中位數點、四分之三分位點和最大值點。
coefficients部分中 estimate 是迴歸方程引數的估計值，std. error表示迴歸引數的標準差，t value 即為t值，pr(>|t|) 即為p值，後面的***為顯著性標記，*越多越顯著。
5、當模型通過檢驗，可用於**，此時我們需要用到r中的predict()函式，假設要**x等於0.16時y的值，其中interval="prediction"表示求**點的值的同時要給出相應的**區間，level=0.95表示求95%的置信區間。
6、分析結果： fit 值即為x=0.16時y的**值，lwr和upr分別表示**區間的上下限。一般的迴歸分析做到這裡就可以了。
6樓：匿名使用者
分析--迴歸--線性，迴歸方程由標準化迴歸係數和變數組成，
檢驗：分析--迴歸--線性，method為進入，統計量中，右邊選擇迴歸模式適合度檢驗，解釋量的該變數、共線性診斷。係數表中，beta值為標準化迴歸係數，檢視其是否顯著
7樓：斛孤俎光熙
用福利的原始分數作為自變數進行分析是完全可以的。這個自變數的資料型別屬於等距變數，即沒有絕對零點但是有相等單位的資料。這種資料型別符合迴歸分析的資料要求。
同時，如果覺得原始分數的代表性不是很強，也可以將福利水平進行分組，如60分以下為福利差，60到80分屬於福利一般，80分以上屬於福利好，用處理後的資料進行迴歸分析也是可以的。
個人認為還有一點可以注意，用一個單一的自變數對因變數進行**可能無法達到很高的準確性，因為問題通常都是有多種因素共同決定的，如果可以同時考慮其他相關因素的影響，迴歸分析的可靠性可能更強。
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。
8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。
9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。
10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~~~
有一個因變數，三個自變數，想用spss做多元線性迴歸分析，可是怎麼看是不是線性的？
11樓：呂秀才
繪製散點圖矩陣，看每個自變數是否和因變數屬於線性關係，如果每個自變數跟因變數都屬於線性，那麼可以認為是線性關係。
當然迴歸分析結束，可以再繪製殘差與自變數的關係看，如果殘差與自變數沒有任何關係，而是圍繞著0上下波動，也認為線性關係合理
spss多元線性迴歸結果怎麼判斷是有效的
12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，依次寫著迴歸，殘差什麼的。你看那個迴歸裡邊的p值。小於0.05就是模型有效
如何用spss進行多元迴歸分析，spss多元線性迴歸分析怎麼做
多元迴歸分析跟簡單一元迴歸分析是在一個對話方塊裡面的。首先確定出你的因變數，必須是連續性數值變數，而且迴歸分析一次只能一個因變數。其次是自變數，可以同時將多個自變數納入迴歸，這個就是多元迴歸，一個自變數就是簡單迴歸 自變數可是分類自變數，也可以是連續性數值變數。如果是超過兩個分類的自變數，則需要事先...
用SPSS作Logistic迴歸分析，結果能說明什麼
迴歸方程，主要是看各個自變數的假設檢驗結果，和係數。兩個自變數都有統計學意義，係數分別為 5.423和0.001，也就是說，隨著自變數一增加一個單位，因變數要降低5.423三個單位。自變數二同理。比如我的因變數是高血壓患病與否，隨著自變數一得增加，患病危險降低。說明自變數一為保護因素。ho er a...
幫我看看SPSS做的這個逐步迴歸分析怎樣解釋
逐步來回歸跟普通迴歸的解釋自方法一樣 可以看出 只有地區和特教教齡對因變數有顯著影響最後一個表是被排除的自變數列表 spss做的逐步迴歸分析,怎樣解釋結果?5 1 用每個自變數的標準化b 所有自變數標準化b之和,得出的百分比 即可表示該自變數對因變數的貢獻佔比,2 逐步迴歸的基本思想是將變數逐個引入...