1樓：皆有可能
spss回歸分析中bai，如果p值很小，
du說明原假設zhi
情況的發生的概率很小，而如果dao出現了，根據小專概率原理，就有理屬由拒絕原假設，p值越小，拒絕原假設的理由越充分。總之，p值越小，表明結果越顯著。p=0.
05=α=0.05 此時接受h0 表明引數相等或者無顯著性差異或者不顯著。
p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。
然而這並不直接表明原假設正確。p值是乙個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。
2樓：匿名使用者
回歸模型
有納入和排除標準
不大於0.1就可以進入模型
3樓：
預設的進入標準不是0.05，你需要調整
在用spss做多因素回歸時，得到的結果顯示很多的p值都大於0.05，只有乙個是小於0 .05的。這個怎麼辦？
4樓：匿名使用者
選擇不同的回歸方法和變數選擇方法都可以得到不同的結果，
用二變數logistic回歸、有序多變數logistic回歸、無序多變數logistic分別試試
求大神spss幫忙看一下，這個分層回歸分析後的結果是什麼狀況啊！
5樓：匿名使用者
分層回歸通常用於中介作用或者調節作用研究中。
r²：模型的解釋力度
f 值：用於判斷模型是否有意義，如果對應p值小於0.05說明模型有意義
△r²：模型變化時，r²值的變化情況
△f 值：模型變化時，f值的變化(該值不是直接f值相減)，如果對應p值小於0.05則說明模型變化有意義，具體可通過△r²檢視模型解釋力度變化情況，以及檢視新增加的自變數的顯著性情況。
具體分析可結果智慧型文字分析，進行解讀。
6樓：匿名使用者
分層回歸就是檢驗來加入某些個變數自後bai
前後兩次回歸的結果，du通過比較兩zhi次回歸結果，以判斷dao
該變數是否有效改進善模型。通常是通過比較r方的，r方變大，則模型變得更好，新加入的變數的作用有效果。
模型2的r值和r方明顯大於模型1，說明加入第三個變數後，回歸模型更優。
從係數上看，模型1的第二個自變數的係數不顯著。而模型2再加入新變數以後，係數變成顯著，同樣也反映新變數對於模型的優化作用。
總之，就是模型2優於模型1，且模型2的回歸方程擬合度和係數更顯著。
b項的數值為負值，表明該變數對於因變數的影響是負方向的，當然，符不符合道理就看你有沒有足夠的證據去驗證了。
t值存在負值是正常的，因為t值得計算公式中，分母總是正數，而分子是乙個減式，這就可能導致t值為負值。不過在t檢驗中，通常用t的絕對值來分析（也就是-t和t是等價的），求出相應的p值，再根據p值來評價結果。
spss中回歸分析結果解釋，不懂怎麼看
7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
8樓：匿名使用者
看coeffuenthesig即可，
用spss17做logistic回歸分析，在「方程中的變數」結果中只有乙個自變數p值〈0.05，其餘都〉0.05，怎麼辦？
9樓：匿名使用者
是的，不然把顯著性水平從5%改為10%，這樣子可能可以納入更多的自變數
spss多元線性逐步回歸分析結果顯示變數進入方程並且p<0.05 但是怎麼又出來乙個排除變數的exclude variable
10樓：
這是正常現象。在spss多元線性逐步回歸中，早先已經進入方程的變數可以又被踢出來。多元線性逐步回歸要求能留在方程中的變數必須要同時符合2個條件：
一是對模型必需要有足夠的影響力，二是對不能方程中的其他變數產生明顯的影響（也就是造成共線性）。因此，雖然乙個變數已經進入了方程，但隨後進入的方程其他變數與它形成了共線性的話，那麼原先已經入選的變數可以被剔除，尤其是在原先入選的變數沒有後面入選的變數影響力大，或者是原先入選的變數對模型中其他變數的影響力比後面入選的變數大的情況下更是如此。
spss元線性逐步回歸可以詳細列出每一步的入選或排除變數，你只有檢查一下就可以知道到底是哪乙個變數入選後就把你關注的變數剔除出來。
一般來說，被剔除出來的變數對模型的**不會造成明顯影響，如果被剔除出來的變數與後面的變數具有高度共線性的話，那麼基本就不會造成什麼影響；如果被剔除出來的變數與後面的變數具有中度共線性的話，那麼多多少少會有一些影響，並且還會造成後面變數的剔除偏倚（後面變數的影響被高估）。
spss 如何使用多元逐步回歸分析
你看題目上的m sd，說明是均數和標準差表示方法，資料一般是連續連續型的。而再看看結果，t和f，應該是t檢驗和方差分析，而不是多元逐步回歸分析。t 檢驗 analyze compare means independent samples t test 方差分析 analyze compare mea...
如何使用spss對logistics回歸中分類變數進行
logistic回歸主要分為三類，一種是因 如果x為定類資料，通常情況下需要將x進行虛擬變數設定，可以使用spssau的生成變數功能，一鍵生成。用spss做logistic回歸時 多分類變數怎麼設定啞變數 在spss中將多分類變數設定為啞變數比較麻煩，其中的一種方法就是將該多分類變數轉換成n 1列的...
spss的多分類logistic回歸分析中得到的自變數（也是
多分類的logit比較難解釋，要根據參考來講的 統計專業研究生工作室為您服務 有序多分類logistic回歸分析怎樣篩選自變數 1 首先indicator last的最後乙個類別為參照類，其餘每一類與參照模擬較 引數編碼下的 1 2 3 4 表示4個啞變數，1 表示器官衰竭數為0的水平與參照類 最後...