1樓：匿名使用者
沒用的看sig和b
統計專業研究生工作室為您服務
spss迴歸分析中 自由度,wald之類各有什麼作用
2樓：匿名使用者
卡方值（wald）是卡方檢驗時計算出來的值，卡方檢驗用於進行兩個率或兩個構成比的比較。最簡單和最典型的就是2*2列聯表的卡方檢驗.
自由度根據你的樣本量來決定，自由度=（行數-1）（列數-1） 。自由度具體沒有什麼大的實際意義但是它有他的條件：如果是2*2列聯表的卡方檢驗，要求樣本含量應大於40且每個格子中的理論頻數不應小於5。
當樣本含量大於40但理論頻數有小於5的情況時卡方值需要校正，當樣本含量小於40時只能用確切概率法計算概率。
spss表中的b值，or值、wald值各自代表什麼含義？三者大小有聯絡嗎？
3樓：return小風
b值是指回歸係數和截距（常數項），可以是負數（負相關時迴歸係數出現負值專
）；or是指定義比數比（odds ratio），其屬取值範圍是0至正無窮，不可能是負數；wald是一個卡方值，等於b除以它的標準誤（s.e.）的平方值，因此也不可能是負數。
wald用於對b值進行檢驗，考察b值是否等於0。若b值等於0，其對應的or【exp(b)】為1，表明兩組沒有顯著差異。or等於b值的反自然對數。
wald值越大，b值越不可能等於0。
s.e.是標準誤,表示估計值的平均誤差.
wals是一個統計量,用檢驗自變數對因變數是否有影響的.它越大,或者說它對應的sig越小,則影響越顯著.df是自由度,在分析中不用解釋.
實踐應用中,關鍵的是解釋係數b,或者後面的exp(b),稱為or.還有sig,其它的可以不管.
spss迴歸分析 wald值怎麼看 10
4樓：匿名使用者
不需要看，你這個操作有問題的
logit迴歸
1.開啟資料，依
次點選：analyse--regression--binarylogistic，開啟二分迴歸對話方塊。
2.將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數。
3.設定迴歸方法，這裡選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料，連續資料不需要設定虛擬變數。多分類變數需要設定虛擬變數。
5.選項裡面至少選擇95%ci。
點選ok。
統計專業研究生工作室為您服務
spss軟體的線性迴歸分析中，輸出了一個anova表，表中的迴歸、殘差、平方和、df、均方、f、sig分別代表什麼 5
5樓：d塵封de青春
1、迴歸是方法，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、f是f分佈的統計量，用於檢驗該回歸方程是否有意義
擴充套件資料:
方差分析的基本原理是認為不同處理組的均數間的差別基本**有兩個：
(1) 實驗條件，即不同的處理造成的差異，稱為組間差異。用變數在各組的均值與總均值之偏差平方和的總和表示，記作ssb，組間自由度dfb。
(2) 隨機誤差，如測量誤差造成的差異或個體間的差異，稱為組內差異，用變數在各組的均值與該組內變數值之偏差平方和的總和表示， 記作ssw，組內自由度dfw。
總偏差平方和 sst = ssb + ssw。
組內ssw、組間ssb除以各自的自由度(組內dfw =n-m，組間dfb=m-1，其中n為樣本總數，m為組數)，得到其均方msw和msb，一種情況是處理沒有作用，即各組樣本均來自同一總體msb/msw≈1
另一種情況是處理確實有作用，組間均方是由於誤差與不同處理共同導致的結果，即各樣本來自不同總體。那麼，msb>>msw(遠遠大於)。
msb/msw比值構成f分佈。用f值與其臨界值比較，推斷各樣本是否來自相同的總體
6樓：水瓶一頭老母豬
1、迴歸是方法，殘差是實測與預計值的差值，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、均方是方差除以自由度。
4、f是f分佈的統計量，用於檢驗該回歸方程是否有意義。
7樓：59分粑粑
分別代表的意思如下：
1、迴歸是方法，殘差是測量值與預期值之間的差，平方和有很多個，不同的平方和具有不同的含義，與樣本量和模型中自變數的數量有關，樣本量越大，相應的變化越大。
2、df是自由度，是具有自由值的變數的數量。
3、均方是方差除以自由度。
4、f是f分佈的統計量，用於檢驗迴歸方程是否有意義。
spss迴歸分析t、f值分別代表什麼呀？
8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一個接一個的檢驗（logistic迴歸），看其beta值，即迴歸係數是否有意義
f和t的顯著性均為0．05，
迴歸分析在科學研究領域是最常用的統計方法。《spss迴歸分析》介紹了一些基本的統計方法，例如，相關、迴歸（線性、多重、非線性）、邏輯（二項、多項）、有序迴歸和生存分析（壽命表法、kaplan－meier法以及cox迴歸）。
spss是世界上最早的統計分析軟體。2023年，斯坦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。
在多元迴歸分析中，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）為迴歸平方和，sse （error sum of squares） 為殘差平方和。
9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中至少有一個對因變數y產生影響,如果呈現出顯著性（看p值）,則說明所有x中至少一個會對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。
10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的數值表示的是對迴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的值是迴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。
11樓：陶李昶
首先r太小
f值是整個迴歸模型的顯著性
t是各個自變數的顯著性
你這裡沒有給出各個自變數的，你可以把裡面的迴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
12樓：我是老才不壞
你這是**的問題。給你找個人，你問他吧。巴菲特股神巴菲特，想必你對這個人是知道的。你請他吃頓飯，然後和他切磋交流**那個是大神的，什麼都知道。
13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、線性迴歸運算結果中的anova分析，本質上是檢驗整個迴歸方程是否顯著，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、迴歸係數表coefficients，裡面的t檢驗是檢驗迴歸係數是否顯著的，即某一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」的迴歸係數通過了t檢驗，p=0.031<0.
05，但是僅僅只有這一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，且整體迴歸方程不顯著（f檢驗沒通過），你建立的這個迴歸方程是無效的。
SPSS中，logistic迴歸分析得出的引數估計表中Exp
就是or值，某個因素變化一個單位，代表發病危險的增加exp b 1倍 多元logit用spss迴歸之後b和exp b 指的是什麼？exp 指的是優勢比，具體如下 logistic迴歸模型中的優勢比及其含義 在實際工作中，logistic迴歸結果的解釋不是直接針對迴歸係數 面是針對優勢比 ods ra...
SPSS的logistic迴歸分析中因變數 協變數及選擇變數
完運旺任春 在迴歸分析模型 y 0 1x 一元線性迴歸模型 中，y是被解釋變數，就稱為因變數。x是解釋變數，稱為自變數。表示為 因變數y隨自變數x的變化而變化。協變數是指那些人為很難控制的變數，通常在迴歸分析中要排除這些因素對結果的影響。選擇變數 即是條件變數，並且有個條件定義按鈕 rule 通過這...
spss中迴歸分析結果解釋不懂怎麼看
多元線性迴歸 1.開啟資料，依次點選 analyse regression，開啟多元線性迴歸對話方塊。2.將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數。3.設定迴歸方法，這裡選擇最簡單的方法 enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。4.等級資料...