1樓:匿名使用者
1樓說的沒錯~自變數之間存在共線性~或者叫多重共線性~
2樓:匿名使用者
自變數自己存在共線性(multicolinearity )
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
3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
4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。
5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。
請教spss迴歸分析結果解讀
6樓:匿名使用者
首先看 方差分析表 對應的sig 是否小於0.05,如果小於0.05,說明整體迴歸模型顯著,再看下面的迴歸係數表,如果這裡的sig大於0.
05,就說明迴歸模型不顯著,下面的就不用再看了。
其次,在迴歸模型顯著的基礎上,看調整的r方,是模型擬合度的好壞,越接近1,說明擬合效果越好。這個在一般做**中,不需要管它的高低,因為**重在研究方法和思路的嚴謹性,導師不會追究你的結果是對是錯,你的資料本身就不一定有質量,所以無所謂,不必在意。
第三 看具體迴歸係數表中每個自變數 對應的sig值,如果sig小於0.05,說明該自變數對因變數有顯著**作用,反之沒有作用。
7樓:中子
說明一下各個符號,constant的意思是常量,實際上就是迴歸方程的截距,也就是自變數為0時因變數的取值,如果你的方程是標準化的,且因變數是正態分佈的,那麼常量會變成0,也就是沒有截距。b也就是beta,代表迴歸係數,標準化的迴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值就是對迴歸係數的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迴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。
迴歸的檢驗首先看anova那個表,也就是f檢驗,那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗,如果sig<0.05,說明至少有一個自變數能夠有效**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,看標準化的迴歸係數是否顯著,每個自變數都有一個對應的迴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,代表迴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**力的一個矯正(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
標準誤表示由於抽樣誤差所導致的實際值和迴歸估計值的偏差大小,標準誤越小,迴歸線的代表性越強
希望對您有用
spss迴歸分析結果圖,幫忙看一下,麻煩詳細地解釋解釋
8樓:
r平方bai就是擬合優度指標,代表了回du歸平方和
zhi(方差分析表中的dao0.244)佔總平方和(方內差分析表中的0.256)的比例,也
9樓:張小妖
擬合程度:調整的r方,0.951,顯著;
方程的顯著性:anova方差檢驗(f檢驗),p值=0,方差不具有齊版性,說明變數存在權差異,適合迴歸;
係數的顯著性檢驗:t檢驗:常數項的p值=0.956,接受常數項為0的原假設,方程的常數項為0;
x的係數檢驗p值=0,拒絕係數為0的原假設,變數x的係數為0.98.
10樓:匿名使用者
模型是顯著的
x也是顯著的
我替別人做這類的資料分析蠻多的
spss中迴歸分析結果解釋,不懂怎麼看
11樓:中子
首先來說明各個符號,b也就是beta,代表迴歸係數,標準化的迴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值就是對迴歸係數的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迴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。
迴歸的檢驗首先看anova那個表,也就是f檢驗,那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗,如果sig<0.05,說明至少有一個自變數能夠有效**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,看標準化的迴歸係數是否顯著,每個自變數都有一個對應的迴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,代表迴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**力的一個矯正(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
12樓:匿名使用者
看coeffuenthesig即可,
請高手幫忙分析下spss的多元線性迴歸結果吧~急啊~~~
13樓:匿名使用者
你的迴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)
關於spss迴歸結果分析，關於SPSS迴歸結果分析
一看判定係數r方，來本例中，自r方 0.202，擬合優度很差。一般要在0.6以上為好。至少也在0.4以上。二看係數估計量的sig值，其中，獨董規模的sig 0.007，小於0.05，說明該變數對因變數有顯著的影響。而總經理持股量則不顯著。因為sig值大於0.05.之所以，模型不好，是因為你忽略了重要...
請教關於matlab多元非線性逐步迴歸相關的問題
這得多牛才能答得出啊。你還是去專業科研論壇去問吧。比如小木蟲什麼的 一個關於如何用matlab進行多元非線性迴歸的問題 可以用regress，或者stepwise逐次迴歸，變數的話可以用向量，採用比如x1，x2，x3，x1 2,x2 2,x3 2,等等 用polyfit函式 every day is...
為什麼多元線性迴歸所得的方程殘差為
殘差為0說明因變數與各自變數間本來就是多元線性關係。一般情況下，因變數與各自變數間是近似的多元線性關係，所以殘差不為0 多元線性迴歸模型中的常數項和隨機誤差項在含義上有什麼區別 一言以來蔽之,在計量經濟學的線性源迴歸模型中bai,常數項在很多情況下並du無實際的解釋zhi意義dao。要論含義,常數項...