1樓：匿名使用者
迴歸方程 gdo^ = 95617.398 + 1.980 社會消費品零售總額
假設檢驗
對迴歸方程的方差分析結果：f= 32.735，p=0.000 (或p <0.0005)，p<0.05，可認為方程成立。
對迴歸係數(b=1.980)的t檢驗結果：t=5.721，p=0.000 (或p <0.0005)，p<0.05，可認為方程成立。
對常數項(a=95617.398)的t檢驗結果：t=4.836，p=0.001，p<0.05，可認為方程不過原點。。
求高手請教，用spss做了一元線性迴歸，但是不會分析不會看，最後的方程怎麼得出來啊?!
2樓：
最後的方程看第4張**：y=82232.445*0.934*gdp。
3樓：匿名使用者
迴歸方程 gdo^ = 95617.398 + 1.980 社會消費品零售總額
假設檢驗
對迴歸方程的方差分析結果：f= 32.735，p=0.000 (或p <0.0005)，p<0.05，可認為方程成立。
對迴歸係數(b=1.980)的t檢驗結果：t=5.721，p=0.000 (或p <0.0005)，p<0.05，可認為方程成立。
對常數項(a=95617.398)的t檢驗結果：t=4.836，p=0.001，p<0.05，可認為方程不過原點。。
用spss做了一元線性迴歸 得出的資料不會看 求高手幫我分析一下
4樓：匿名使用者
列方程需要的是表3，即表題是「係數」的那個表。具體而言就是：
人均淨利潤= 14403.479 + 453037.528*技術人員密度
(22912.153) (147215.653)t統計量用來觀測迴歸係數是否顯著，可以從sig概率值直接判斷，在圖3中，常數項不顯著，技術人員密度的係數顯著。
f統計量是來檢驗模型整體的顯著性，從f值的相伴概率sig來判斷，模型整體上還是顯著的。事實上，表1、表2、表4是對模型的效果進行判斷。
表1總，調整後的r放才0.228，擬合效果並不是很好。
令，durbin-watson值為2是最好。
5樓：匿名使用者
第一個表裡模型總彙講的是模型的擬合度，大概技術人員密度這個變數可以解釋人均近利潤22.8%的變化量，durbin-watson是檢驗殘差自相關的在2-4範圍是可以接受的也就是殘差自相關可忽略。
第二個anova表示整體模型合理不，其中sig＜0.05為合理模型，所以這個模型是合理的。
第三個是迴歸方程的係數表達模型寫成（人均近利潤=14403.479+453037.528*技術人員密度）變數合理。
第四個是參差和**值的統計值（你原始資料比較大）
最後結論是人均利潤和技術人員密度有線性關係，還有其他變數來解釋人均利潤。建立多元迴歸模型
spss一元線性迴歸分析t檢驗,圖出來了但看不懂
6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，則一元線性迴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。
7樓：匿名使用者
技術人員密度的檢驗小於0.05，說明技術人員密度與你所研究的因變數之間有直線關係。
8樓：匿名使用者
主要看sig值，0.004是顯著的，就可以了
我替別人做這類的資料分析蠻多的
求高手分析spss一元線性迴歸結果
9樓：匿名使用者
從輸出表看，這是個多元線性迴歸的分析結果啊！
第一列顯示了有6個自變數（第一行是常數項），因變數是什麼樓主沒有顯示出來。
第二列是分別是常數項與6個自變數的迴歸係數。
第三列是迴歸係數的標準誤差。
第四列是標準化的迴歸係數，因為標準化了，所以沒有常數項了。
第五列是對每個迴歸係數顯著性檢驗的t值。通過與臨界值對比可以判斷哪些自變數是顯著的。
第五列是各個自變數顯著性p值，相比於第四列，看這個值做顯著性檢驗更方便。這些值（常數項沒必要考慮）都小於0.05，可以認為在0.05的顯著水平下，這些自變數都是顯著的。
另外，通過p值的大小，可以初步判斷「interest」這個變數最顯著，其次是gdp，也就是說，p值越小越顯著。
請教spss進行一元線性迴歸分析的一般步驟
10樓：匿名使用者
一個自變數 一個因變數
如果要進行線性迴歸，無論是一元
還是多元，第一步首先應該先畫下散點圖，看是否有線性趨勢，如果有線性趨勢了，再使用線性迴歸。這個是前提，現在很多人都忽略這一點 直接使用的。
至於判斷線性方程 擬合的好壞，看r方和調整的r方就可以了，r方越接近1，說明擬合的效果越好。你這個裡面 r方為0.618，調整的r方為0.
570，說明這個自變數可以解釋因變數57%左右的變異，不能說好，也不能說壞。看具體情況而定
anova(b)這個**是檢驗 迴歸方程是否顯著的，sig的值=0.007 小於0.05，說明迴歸模型有意義，可以使用。
下面一個標準化迴歸係數 和非標準化迴歸係數 則是迴歸方程自變數的係數，非標準化的係數用來擬合方程使用，標準化的係數是剔除了不同自變數的不同計量單位影響的，用於比較多個自變數的影響大小
11樓：匿名使用者
anova(b)表中的sig項對應的數值為顯著性水平，你的為0.007，通過了99%檢驗
非標準化係數中的b為係數
你的擬合式為：銷售量=309.528+4.068*廣告費，通過了99%信度檢驗
怎樣用spss做一元線性迴歸？具體怎麼檢驗相關性
12樓：匿名使用者
1、開啟spss軟體，在提示符後輸入因變數y和自變數x的資料。
2、接下來使用r中作線性模型的函式lm()函式，lm(y~x+1)表示做有截距的線性迴歸模型，接下來lm(y~x)也是表示有截距的線性迴歸模型，lm(y~x+0)和lm(y~x-1)則表示過原點的線性迴歸模型，紅色部分即為輸出結果。
3、在上述結果中，只得出了迴歸方程的係數和截距，要提取模型資訊就要用到summary()函式。得到的結果就比剛剛多了很多資訊了。
4、接下來對所得結果進行分析：結果中call部分列出了相應的迴歸模型公式，residuals部分列出了殘差的最小值點、四分之一分位點、中位數點、四分之三分位點和最大值點。
coefficients部分中 estimate 是迴歸方程引數的估計值，std. error表示迴歸引數的標準差，t value 即為t值，pr(>|t|) 即為p值，後面的***為顯著性標記，*越多越顯著。
5、當模型通過檢驗，可用於**，此時我們需要用到r中的predict()函式，假設要**x等於0.16時y的值，其中interval="prediction"表示求**點的值的同時要給出相應的**區間，level=0.95表示求95%的置信區間。
6、分析結果： fit 值即為x=0.16時y的**值，lwr和upr分別表示**區間的上下限。一般的迴歸分析做到這裡就可以了。
13樓：匿名使用者
分析--迴歸--線性，迴歸方程由標準化迴歸係數和變數組成，
檢驗：分析--迴歸--線性，method為進入，統計量中，右邊選擇迴歸模式適合度檢驗，解釋量的該變數、共線性診斷。係數表中，beta值為標準化迴歸係數，檢視其是否顯著
14樓：斛孤俎光熙
用福利的原始分數作為自變數進行分析是完全可以的。這個自變數的資料型別屬於等距變數，即沒有絕對零點但是有相等單位的資料。這種資料型別符合迴歸分析的資料要求。
同時，如果覺得原始分數的代表性不是很強，也可以將福利水平進行分組，如60分以下為福利差，60到80分屬於福利一般，80分以上屬於福利好，用處理後的資料進行迴歸分析也是可以的。
個人認為還有一點可以注意，用一個單一的自變數對因變數進行**可能無法達到很高的準確性，因為問題通常都是有多種因素共同決定的，如果可以同時考慮其他相關因素的影響，迴歸分析的可靠性可能更強。
如何看spss逐步迴歸分析的結論，跪求高手幫助~~~~~
15樓：匿名使用者
從你的結果看，兩個模型的似合度均不高（adj r square 值太小，一般最好大於0.7）。
或許，不是線性關係。
16樓：e團
你用的方法是逐步迴歸分析——是向前選擇變數法 和 自後淘汰
求高手分析spss一元線性迴歸結果
從輸出表看，這是個多元線性迴歸的分析結果啊！第一列顯示了有6個自變數 第一行是常數項 因變數是什麼樓主沒有顯示出來。第二列是分別是常數項與6個自變數的迴歸係數。第三列是迴歸係數的標準誤差。第四列是標準化的迴歸係數，因為標準化了，所以沒有常數項了。第五列是對每個迴歸係數顯著性檢驗的t值。通過與臨界值對...
spss，自變數一元線性迴歸顯著性都很高，可是作多元迴歸
這是因來為這五個因素自雖然單獨作用因 bai變數都很明顯，但是du 將他們綜合考察對因變數zhi的影響的dao時候，不同因素影響的大小不同，影響小的可能效果被影響大的掩蓋了 另外多元迴歸的重點並非變數的綜合對因變數的影響，而是不同變數對因變數的影響那一個最大，這時候考察的指標並非sig,而是標準化偏...
計量經濟學 要建立A對B的一元線性迴歸模型，那麼A和B哪個是解釋變數哪個是被解釋變數
a對b的一元線性迴歸模型，當然是b c a，c是常數，是係數。所以b是被解釋變數，a是解釋變數了。一元線性迴歸方程中a，b的經濟意義是什麼 迴歸直線方程y a bx過定點 0，a 表示自變數x每變動一個計量單位時因變數y的平均變動值，數學上稱為直線的斜率，也稱迴歸係數。迴歸係數含義是說當其他因素不變...