1樓：匿名使用者
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。
一般回歸分析要求至少30個以上啊！是自變數的4-5部左右。
（2）結果的看法，r表現係數，r的平方表示決定係數，就是這個模型能夠解釋因變數的比率。
f表示殘差分析的檢驗。因為樣本太少，變數太多，導致你的方差分析是顯著的。f（sig<0.05）
(3) 第三個**是回歸模型的**，b表現回歸係數，beta表示標準回歸係數。t表示對回歸係數的檢驗，sig顯著性水平。當sig<0.
05時才能說明，這個自變數能夠進入回歸模型。
2樓：匿名使用者
你這做的啥哦，下面那些因子 哎
spss回歸分析t、f值分別代表什麼呀？
3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。
4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。
5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。
6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
7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。
請高手幫忙分析下spss的多元線性回歸結果吧~急啊~~~
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）
在spss做經回歸性分析對回歸係數行t檢驗時，下邊這個對不？
9樓：匿名使用者
f是對建立的回歸方程做檢驗，這裡f值是126.502，相應的顯著性概率小於0.001（邊上的sig顯示是0.
00，並不能說明是0，因為只顯示小數點後三位，可能第四位不是0），所以即使顯著性水平取0.01，方程也能通過顯著性檢驗，即認為方程是顯著的，所有自變數對響應變數有顯著的解釋能力。
上面的f檢驗只是說明所有的自變數對響應變數的解釋是好的，但是並不代表每乙個自變數對響應變數有顯著的解釋能力，t 則是對每乙個自變數做檢驗，所構造的檢驗統計量服從t 分布，t 下面的值則是各個自變數的相應的檢驗統計量的值，右邊一列的sig值若大於事先取定的顯著性水平，則該自變數對響應變數的影響是不顯著的，小於顯著性水平，則是顯著的。
常量是線性回歸方程的常數項，或稱截距項。
10樓：匿名使用者
f和t就是統計量
這是做回歸最基礎的知識了，不懂的話，不建議亂做，否則會做錯
我經常幫別人做這類的資料分析的
請高手幫忙分析一下spss的多元線性回歸結果，麻煩說的仔細點，急~~~本人比較笨
11樓：荔菲騫澤
模型是顯著的，解釋比例也比較高，sig小於0.05的就是顯著的
spss 多元線性回歸分析 幫忙分析一下下圖，f、p、t、p和r方各代表什麼？？謝謝~
12樓：薔祀
f是對回歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明回歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著。
擴充套件資料：
多元線性回歸的基本原理和基本計算過程與一元線性回歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要借助統計軟體。這裡只介紹多元線性回歸的一些基本問題。
但由於各個自變數的單位可能不一樣，比如說乙個消費水平的關係式中，工資水平、受教育程度、職業、地區、家庭負擔等等因素都會影響到消費水平，而這些影響因素（自變數）的單位顯然是不同的，因此自變數前係數的大小並不能說明該因素的重要程度。
更簡單地來說，同樣工資收入，如果用元為單位就比用百元為單位所得的回歸係數要小，但是工資水平對消費的影響程度並沒有變，所以得想辦法將各個自變數化到統一的單位上來。前面學到的標準分就有這個功能。
具體到這裡來說，就是將所有變數包括因變數都先轉化為標準分，再進行線性回歸，此時得到的回歸係數就能反映對應自變數的重要程度。這時的回歸方程稱為標準回歸方程，回歸係數稱為標準回歸係數。
spss for windows是乙個組合式軟體包，它集資料整理、分析功能於一身。使用者可以根據實際需要和計算機的功能選擇模組，以降低對系統硬碟容量的要求，有利於該軟體的推廣應用。spss的基本功能包括資料管理、統計分析、圖表分析、輸出管理等等。
spss統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型、聚類分析、資料簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程。
比如回歸分析中又分線性回歸分析、曲線估計、logistic回歸、probit回歸、加權估計、兩階段最小二乘法、非線性回歸等多個統計過程，而且每個過程中又允許使用者選擇不同的方法及引數。spss也有專門的繪圖系統，可以根據資料繪製各種圖形。
13樓：匿名使用者
先從最下面兩行說起
f是對回歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明回歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著
spss一元線性回歸分析t檢驗,圖出來了但看不懂
14樓：匿名使用者
0.629和3.077是對「常量」、「技術人員密度」兩個引數的t檢驗的值，對應的概率分別是0.
534和0.004，如果顯著性水平是0.05的話，說明常量不顯著，則一元線性回歸分析中不應該含有常量。
至於0.478是對「技術人員密度」係數的標準化，不用太在意此數字。
請天下戀愛高手幫忙 進來幫我分析一下
我和他是認識，第一次見面覺得他太拽了 所以很討厭 後來就沒搭理他 其實他人長的還可以，後來就經常打 開玩笑這些，他無聊就會想起我，哈哈 經常開玩笑 他說無聊想起你也是不錯的 把你當朋友什麼的反正說話很拐彎抹角的那種但是認識了半年多才在一起的，在一起之後2次感覺現在已經喜歡他了 最近老說自己忙休息3天...
請高手分析一下000786北材，請高手分析一下000786北新建材
000786北新建材 從6月6日到8月4日以來,股價持續 明顯莊家在分批出貨,由於前期成交量的放大,莊家有意進行後期小幅度拉公升,8月7日股價已經探到了底部,成交量也逐漸萎縮,與8日陽線形成日月合璧的技術形態,再加上8,9,10,11日的量能鋪墊,在24日和28日將 送上三線之上,在拉公升的過程中,...
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...