1樓：耙耳朵奶爸
模型中三個解釋變數的估計值分別為0.236435，0.061913,0.
97819，標準差分別是0.0152,0.0228,0.
0,標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，三個解釋變數的估計值的t值是用於檢驗係數是否為零的，若值大於臨界值則可靠。估計值的顯著性概率值（prob)都小於5%水平，說明係數是顯著的。r方是表示回歸的擬合程度，越接近1說明擬合得越完美。
調整的r方是隨著變數的增加，對增加的變數進行的「懲罰」。d-w值是衡量回歸殘差是否序列自相關，如果嚴重偏離2，則認為存在序列相關問題。f統計值是衡量回歸方程整體顯著性的假設檢驗，越大越顯著
2樓：匿名使用者
都是顯著的，看prob值
dw大了一點
我替別人做這類的資料分析蠻多的
我的eviews的回歸分析結果，幫我分析下吧！謝謝~ 20
3樓：匿名使用者
你的自變數y z c，只有c通過了檢驗（只有c的概率p值0.0006小於顯著性水平0.05），回歸模型的r方值為0.
396133，這裡由於有多個自變數，應看調整之後的r方值，為0.194844，蠻低。而且最重要的是模型的方差檢驗沒有通過檢驗，即說明模型建立不好，需要重新建立（因為f值對應的概率p值0.
220203大於顯著性水平0.05）
以下是我的eviews的回歸分析結果，看不懂，麻煩幫我分析一下~~謝謝~~
4樓：匿名使用者
第一步，看t檢驗或者p值，t要在2以上，p要在0.05以內，顯然你這裡都沒有通過，所以不顯著專
第二步，看可屬決係數，一般可決係數在0.5以上就行，但你這裡才0.113，顯然太低。
第三步，檢驗是否存在自相關和異方差，你dw值應該是落在無法確定的區域，可以通過殘值圖判斷是否存在確定性的自相關。異方差檢驗單從這個圖就看不出來了。
5樓：匿名使用者
你這不行的哦 存在自相關哦 dw太小了 偏離2
6樓：
擬合度太差，引數都不顯著。此回歸沒什麼價值。
用eviews分析的回歸分析結果在下面 20
7樓：睡不著小人兒
（依）引數顯著性檢驗t檢驗對應的prob，若小於0.05則引數的顯著性檢驗通過，再看r方，越接近依，擬合優度越高；f的p值，小於0.05的話模型才顯著，dw用來檢驗殘差序列的相關性的，在貳的附近，說明殘差序列不相關。
（貳）標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，解釋變數的估計值的t值是用於檢驗係數是否為零的，若值大於臨界值則可靠。估計值的顯著性概率值（prob)都小於5%水平，說明係數是顯著的。r方是表示回歸的擬合程度，越接近依說明擬合得越完美。
調整的r方是隨著變數的增加，對增加的變數進行的「懲罰」。d-w值是衡量回歸殘差是否序列自相關，如果嚴重偏離貳，則認為存在序列相關問題。f統計值是衡量回歸方程整體顯著性的假設檢驗，越大越顯著
關於spss回歸分析，求大神幫我簡單解答一下，答辯用感激
你這bai 個就是線性回歸 第乙個du表 表示zhi模型的 整體擬合度，只要看dao 調整的版r 即可權，這個調整的r 的範圍在0 1之間，越接近1，表示模型的擬合效果越好，越接近0，擬合效果越差。你的只有0.133，即13 左右，說明你的自變數只能解釋因變數13 左右的變化，擬合效果有點差。第二個...
spss二元logistic回歸分析，結果如下，變數係數怎麼
很遺憾的告訴你，你這研究失敗了 二元logistic回歸分析，應該說所有回歸分析，最重要的係數是sig，或者平時我們叫p值，需要小於0.05才能說明有顯著性影響，你這個所有p值高的接近1，都是毫無意義的資料 置於你說的回歸方程問題，回歸係數一般是b值，不過logistic回歸分析是對數分析法，所以一...
請高手幫我分析一下spss回歸結果 主要是F和t統計量及其概率
暈暈！從你的結果可以看出，你使用的是復回歸，就是把所有的自變數選入，不進行向前消元，也不進行向後淘汰，也不進行逐步回歸。先不說你的模型不顯著，你的這個方法邏輯有錯誤。1 被試太少，你8個被試就用回歸，而自變數卻有5個。所以根本上就不存在殘差。相關和決定係數很高，都是由於你的被試太少。一般回歸分析要求...