1樓：護具骸骨
r表示的是擬合優度，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。但是，你的r值太小了。
t的數值表示的是對回歸引數的顯著性檢驗值，它的絕對值大於等於ta/2(n-k)（這個值表示的是根據你的置信水平，自由度得出的數值）時，就拒絕原假設。
即認為在其他解釋變數不變的情況下，解釋變數x對被解釋變數y的影響是顯著的。
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-1,n-k),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。
如果，你只改r值，我想是可以看的出來的。你的f的值和t的值都是有問題的，如果只改r值，怎麼可能在f的值和t的值都不合理的情況下，擬合優度卻突然變的很高。
線性回歸的回歸係數：
一般地，要求這個值大於5%。對大部分的行為研究者來講，最重要的是回歸係數。年齡增加1個單位，文件的質量就下降 -.1020986個單位，表明年長的人對文件質量的評價會更低。
這個變數相應的t值是 -2.10，絕對值大於2，p值也<0.05，所以是顯著的。結論是，年長的人對文件質量的評價會更低，這個影響是顯著的。
相反，領域知識越豐富的人，對文件的質量評估會更高，但是這個影響不是顯著的。這種對回歸係數的理解就是使用回歸分析進行假設檢驗的過程。
2樓：匿名使用者
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
問下，spss回歸分析得出的r方值、f值、t值各有何含義，數值大小有何含義？
3樓：ieio啊
r square是決定係數,意思是擬合的模型能解釋因
變數的變化的百分數,例如r方=0.810,表示擬合的方程能解釋因變數81%的變化,還有19%是不能夠解釋的.
f值是方差檢驗量,是整個模型的整體檢驗,看你擬合的方程有沒有意義
t值是對每乙個自變數（logistic回歸）的逐個檢驗,看它的beta值β即回歸係數有沒有意義
f和t的顯著性都是0.05,
spss是世界上最早的統計分析軟體，由美國史丹福大學的三位研究生norman h. nie、c. hadlai (tex) hull 和 dale h.
bent於2023年研究開發成功，同時成立了spss公司，並於2023年成立法人組織、在芝加哥組建了spss總部。
決定係數，有的教材上翻譯為判定係數，也稱為擬合優度。表示可根據自變數的變異來解釋因變數的變異部分。如某學生在某智力量表上所得的 iq 分與其學業成績的相關係數 r=0.
66，則決定係數 r^2=0.4356，即該生學業成績約有 44%可由該智力量表所測的智力部分來說明或決定。
原理：表徵依變數y的變異中有多少百分比,可由控制的自變數x來解釋.
決定係數並不等於相關係數的平方。它與相關係數的區別在於除掉|r|=0和1情況，
由於r2決定係數：在y的總平方和中，由x引起的平方和所佔的比例，記為r2
決定係數的大小決定了相關的密切程度。
當r2越接近1時，表示相關的方程式參考價值越高；相反，越接近0時，表示參考價值越低。這是在一元回歸分析中的情況。但從本質上說決定係數和回歸係數沒有關係，就像標準差和標準誤差在本質上沒有關係一樣。
在多元回歸分析中，決定係數是通徑係數的平方。
表示式：r2=ssr/sst=1-sse/sst
其中：sst=ssr+sse，sst (total sum of squares)為總平方和，ssr (regression sum of squares)為回歸平方和，sse (error sum of squares) 為殘差平方和。
注意：以下不同名字是同乙個意思，只是表述不同
回歸平方和：ssr(sum of squares for regression) = ess (explained sum of squares)
殘差平方和：sse（sum of squares for error） = rss (residual sum of squares) =ssr(sum of squared residuals)
總離差平方和：sst(sum of squares for total) = tss(total sum of squares)
注意：兩個ssr的不同
sse+ssr=sst
rss+ess=tss
意義：擬合優度越大，自變數對因變數的解釋程度越高，自變數引起的變動佔總變動的百分比高。觀察點在回歸直線附近越密集。
取值意思：
0 表示模型效果跟瞎猜差不多
1 表示模型擬合度較好（有可能會是過擬合，需要判定）
0~1 表示模型的好壞（針對同一批資料）
4樓：人文漫步者
在對資料進行回歸計算分析的過程中，這些數字分別代表的就是這乙個回歸方程的準確度，也就是對資料**的準確度。
5樓：匿名使用者
r方是評價的主要指標，f值，t值是兩個檢驗，一般要小於0.05.
你可以自學下，實在沒時間可以找我
spss回歸分析t、f值分別代表什麼呀？
6樓：統御近距離
r方為決定係數，即擬合模型所能解釋的因變數的變化百分比。例如，r方＝0．810，說明擬合方程能解釋因變數變化的81％，不能解釋的19％。
f是方差檢驗，整個模型的全域性檢驗，看擬合方程是否有意義
t值是對每個自變數進行乙個接乙個的檢驗（logistic回歸），看其beta值，即回歸係數是否有意義
f和t的顯著性均為0．05，
回歸分析在科學研究領域是最常用的統計方法。《spss回歸分析》介紹了一些基本的統計方法，例如，相關、回歸（線性、多重、非線性）、邏輯（二項、多項）、有序回歸和生存分析（壽命表法、kaplan－meier法以及cox回歸）。
spss是世界上最早的統計分析軟體。2023年，史丹福大學的三位研究生normanh．nie，c．hadlai（tex）hull和daleh．bent成功地進行了研究和開發。同時成立了spss公司。
擴充套件資料：
原理：這種表示取決於變數y中可由控制變數x解釋的變化百分比。
決定係數不等於相關係數的平方。這個和相關係數之間的區別是如果你去掉｜，r｜等於0和1，
由於r2
決定係數：在y的平方和中，x引起的平方和所佔的比例為r2
相關程度由決定係數的程度決定。
在多元回歸分析中，決定係數為路徑係數的平方。
表示式：r2＝ssr／sst＝1－sse／sst
其中：sst＝ssr＋sse，sst （total sum of squares）為總平方和，ssr （regression sum of squares）為回歸平方和，sse （error sum of squares） 為殘差平方和。
7樓：匿名使用者
t值、f值都是判斷顯著性的過程值，重點看p值即可。
f值用於判定模型中是否自變數x中至少有乙個對因變數y產生影響,如果呈現出顯著性（看p值）,則說明所有x中至少乙個會對y產生影響關係。
t值用於判斷每個自變數的顯著性，如果顯著則說明該變數對模型有顯著影響。
可是使用spssau進行分析，直接得出文字結果及標準格式資料。
8樓：匿名使用者
r表示的是擬合優度，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。但是，你的r值太小了。
t的數值表示的是對回歸引數的顯著性檢驗值，它的絕對值大於等於ta/2(n-k)（這個值表示的是根據你的置信水平，自由度得出的數值）時，就拒絕原假設，即認為在其他解釋變數不變的情況下，解釋變數x對被解釋變數y的影響是顯著的。
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-1,n-k),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。
如果，你只改r值，我想是可以看的出來的。你的f的值和t的值都是有問題的，如果只改r值，怎麼可能在f的值和t的值都不合理的情況下，擬合優度卻突然變的很高。
9樓：陶李昶
首先r太小
f值是整個回歸模型的顯著性
t是各個自變數的顯著性
你這裡沒有給出各個自變數的，你可以把裡面的回歸不好的自變數剔除掉再回歸試試
另外sig太大了，你這模型是無效的
10樓：謙瑞資料論壇
1、r方是代表擬合度的，一般而言，財務資料或者經濟類資料，擬合度要到50%才算是擬合較好，你的這個運算結果r方只有0.171，即擬合只有17.1%，擬合是不太好的。
2、線性回歸運算結果中的anova分析，本質上是檢驗整個回歸方程是否顯著，即整體而言，參與本次研究的自變數是否可以顯著影響因變數。按照你的運算結果，anova檢驗得出的f值和p值結果不好，p>0.05，意味著整體而言，你的模型無效，即自變數不能顯著影響因變數。
3、回歸係數表coefficients，裡面的t檢驗是檢驗回歸係數是否顯著的，即某乙個自變數是否可以顯著影響因變數，是通過t檢驗實現的；前面的anova中的f檢驗是檢驗整體而言所有自變數是否可以顯著影響因變數的。按照你的資料，只有「自然人持股比例」的回歸係數通過了t檢驗，p=0.031<0.
05，但是僅僅只有這乙個自變數顯著影響因變數是沒有多大作用的，因為結合擬合度不好，且整體回歸方程不顯著（f檢驗沒通過），你建立的這個回歸方程是無效的。
spss線性回歸怎麼看相關係數，spss線性回歸分析結果怎麼看
你這個表裡只有回歸係數的資訊 你所要的相關係數應該在上乙個表中 r方是確定係數 r就是你所說的相關係數了 你自己找找看上乙個表有沒有乙個r傎，那就是相關係數了 第二列數，回歸的截距為2.345，斜率為29.392。相關係數？回歸係數？spss線性回歸分析結果怎麼看 model summary 是對模...
spss軟體的線性回歸分析中，輸出了anova表，表中的
1 回歸是方法，殘差在數理統計中是指實際觀察值與估計值 擬合值 之間的差，平方和有很多個，不同的平方和的意思不一樣，與樣本量及模型中自變數的個數有關，樣本量越大，相應變異就越大 2 df是自由度，是自由取值的變數個數 3 均方指的是一組數的平方和的平均值，在統計學中，表示離差平方和與自由度之比 4 ...
高中線性回歸中的符號 y的頂上有怎麼讀
讀尖 冒或者估，我也是網上查的，對錯不負責 y 2，上綴，表示冪 回歸直線方程公式中這個 怎麼讀？高中線性回歸中的符號 y的頂上有乙個 怎麼讀?我們老師講的時候讀的是 y尖兒 不是是不是 y上邊有乙個 符號怎麼讀?5 那叫y hat，統計學裡的，y上面帶了乙個帽子 怎麼讀不清楚，不過y 2就是y的平...