1樓：南心網心理統計
不需要的，軟體會輸出非標準化和標準化結果的。（南心）
用spss做主成分分析一定要將原始資料標準化嗎？為什麼？
2樓：匿名使用者
不需要的，對資料標準化的目的是為了統一變數的單位（單位不同的變數間不宜直接進行統計分析，標準化使得所有變數的單位統一為sd），我們用spss做主成分分析的時候，預設使用變數的相關矩陣進行運算，相關係數本來就是一個標準化的統計量，也就是說主成分分析的過程已經包含了標準化的過程，沒有必要再專門給資料做一次標準化處理。
在用spss做多元線性迴歸時，需不需要將資料標準化？用標準化的資料和原始資料做出來的結果是不是不一樣？
3樓：呂秀才
不需要進行標準化
spss迴歸分析的結果本身就會給出一個經過標準化的迴歸係數
標準化之後的資料 做出來就沒有常數項的
4樓：匿名使用者
在選項中選擇beta就可以啦
在spss軟體中做因子分析需要將資料標準化處理嗎
5樓：
理論上不會改變。bai
因子分du析的主要途徑是構建因子模zhi型來計dao算各主因子得分，從而分析回主因子的貢獻力總結出答因子實際意義。資料標準化只是將不同變數量綱化，說明白點就是去掉各變數的單位，統一為標準化資料。 如果你的原始資料單位不衝突，標準化與否影響不大，正規來講，做多元統計分析前需要將資料進行標準化處理，保證統計分析的正確性。
所以不僅不要擔心結果改變，相反應該要求資料的標準化處理。 但是標準化的方法不一，每次標準化後的資料肯定也會不一樣，所以每次標準化後資料做出的因子得分實際上也不能保證一樣。這裡要搞清楚因子分析的結果不是看因子分析的得分是不是幾，而是靠這個得分做出分析結果也就是經濟學意義，所以即便因子得分有可能不一樣，只要結果分析到達一致即可。
資料中心化和標準化在迴歸分析中的意義是什麼
6樓：匿名使用者
對資料中心化和標準化的目的是消除特徵之間的差異性，可以使得不同的特徵具有相同的尺度，讓不同特徵對引數的影響程度一致。簡言之，當原始資料不同維度上的特徵的尺度（單位）不一致時，需要中心化和標準化步驟對資料進行預處理。
7樓：春素小皙化妝品
為了能正確地真正反映實際情況，必須對原始資料進行加工處理，使之規範化。資料規格化對相似係數有較大的影響。資料經過規格化後其計算結果與未經規格化的計算結果差別較大。
這是由於相似係數取決於座標原點的位置。在規格化後，座標原點移動，使樣品之間的夾角改變很大。
資料標準化
設有n個樣品，每個樣品測量了m項指標(變數)，得到如下原始資料矩陣:
其中，i為樣品個數，j為變數個數。xij表示第i個樣品第j個變數的觀測值。
設變換後的資料記為zij，則：
其中，寫成矩陣形式為：
則稱為z=（zij）為標準化資料。若所取樣品構成的變數服從正態分佈，則標準化後的資料zij~n（0,1）中心化
擴充套件資料
資料分析之前，通常將資料標準化（normalization），利用標準化後的資料進行資料分析。資料標準化指統計資料的指數化。資料標準化處理主要包括資料同趨化處理和無量綱化處理兩個方面。
資料同趨化處理主要解決不同性質資料問題，對不同性質指標直接加總不能正確反映不同作用力的綜合結果，須先考慮改變逆指標資料性質，使所有指標對測評方案的作用力同趨化，再加總才能得出正確結果。資料無量綱化處理主要解決資料的可比性。
資料標準化的方法有很多種，常用的有「最小—最大標準化」、「z-score標準化」和「按小數定標標準化」等。經過上述標準化處理，原始資料均轉換為無量綱化指標測評值，即各指標值都處於同一個數量級別上，可以進行綜合測評分析。
8樓：你路過我身邊
資料中心化和標準化在迴歸分析中的意義是取消由於量綱不同、自身變異或者數值相差較大所引起的誤差。
資料標準化是指：數值減去均值，再除以標準差；所謂中心化，是指變數減去它的均值。
9樓：匿名使用者
取消由於量綱不同、自身變異或者數值相差較大所引起的誤差
對資料進行標準化再統計迴歸之後所得模型的**是把處理後的資料代入還是把處理前的代入？
10樓：中國人看好中國
根據你對題目的描述，自變數應該是時間，因變數是經歷了對數差分標準化的資料，如果是這樣的話，進行**只需要輸入時間，對輸出的因變數資料進行逆標準化，一步步倒回去，得到實際值
資料什麼時候需要做中心化和標準化處理
11樓：撩漢那一抹淺笑
資料中心化和標準化在迴歸分析中的意義是取消由於量綱不同、自身變異或者數值相差較大所引起的誤差。 資料標準化是指：數值減去均值，再除以標準差；所謂中心化，是指變數減去它的均值。
SPSS中做迴歸分析時出現這個問題「沒有變數進入方程怎
說明你的自變數裡沒有哪個變數與因變數有關係 解決辦法 1 重新做 2 先做一個相關矩陣或畫一個散點圖，看看你的變數之間到底是什麼關係 用spss做迴歸分析時，控制變數也要參與分析嗎？spss中做迴歸分析時出現 沒有變數進入方程 怎麼辦 說明所有自變數與因變數都不存在顯著相關。沒有辦法，或者是你的資料...
資料分析需要掌握哪些知識，資料分析需要掌握哪些知識呢
1 具有業務敏感度，反應迅速，能夠良好溝通 2 具有資料分析和資料倉儲建模的專案實踐經驗 3 3年及以上資料分析經驗，有網際網路產品 運營分析經驗 4 熟悉r sas spss等統計分析軟體，熟練運用python，熟練使用 sql hive等 5 本科或以上學歷，數學 統計 計算機 運籌學等相關專業...
進行迴歸分析時，是先把資料標準化再取對數還是取對數後再標準化
就回歸分析而言，標準化不是必要的，因為標準化是資料的線性變換，不影響估計的顯著性。計量模型一般不進行標準化，保持變數的原汁原味，方便估計結果的解釋。多元統計裡經常要標準化，如主成份分析，因子分析等。對數變換的主要目的 1 估計的係數可以解釋成彈性，一般用在經濟學模型裡 2 可以降低樣本異方差程度 3...