1樓：匿名使用者
樓上說錯了，其實抄加入一個變數使得大小和符號發生了變化，這是調節變數的定義，也就是說後來加入的這個變數調節了前面一個變數的作用。通過路徑分析可以看到調節變數的效果，並對調節變數進行驗證看是否達到了顯著水平。
能觀察到係數的變化是你的幸運，寫**的時候就有很多可以**的東西了。
2樓：匿名使用者
很正常的情況，很多原因，主要是共線性的問題
可刪除某些變數，可引入其它迴歸方法
我經常幫別人做這類的資料分析
3樓：匿名使用者
增加變數，會導致迴歸結果不可靠。另外，逐步迴歸方法，可能會導致「過擬合」的問題。建議好好看看多元統計方面的基礎理論，選擇合理的分析方法，可參考最近的一篇推文網頁連結
spss 如何使用多元逐步迴歸分析 15
4樓：匿名使用者
你看題目上的m±sd，說明是均數和標準差表示方法，資料一般是連續連續型的。而再看看結果，t和f，應該是t檢驗和方差分析，而不是多元逐步迴歸分析。
t 檢驗：analyze→compare means →independent samples t test
方差分析：analyze→compare means→one-way anova。
具體操作你再自己摸索吧。
5樓：匿名使用者
你這個**和多元逐步迴歸沒任何關係
聽你的描述就知道你完全弄錯了，不建議你自己繼續錯下去
我經常幫別人做這類的資料統計分析的
6樓：匿名使用者
逐步迴歸分析是在迴歸分析的基礎上，讓系統自動移除掉不顯著的x。可以使用spssau的逐步迴歸，得到標準分析結果。
但上圖並不是逐步迴歸，分別用了t檢驗和方差分析，操作方法可以檢視spssau幫助手冊，
以及直接輸出的智慧文字分析結果。
spss相關性分析時兩變數負相關,迴歸分析卻是正相關,這樣如何解釋
7樓：59分粑粑
pearson相關分析在spss中的作用是簡單地考慮變數之間的關係。 儘管可以在分析過程中同時放置多個變數，但是結果是兩個變數之間的簡單關聯，也就是不在求兩變數相關時考慮其他的控制變數。
但是，迴歸是不同的。 迴歸的結果是對進入迴歸方程的所有自變數和因變數進行積分的結果，也就是說，在迴歸當中你所看到的相關，是在控制了其他進入迴歸方程的變數之後的。
因此，普通相關和迴歸之間的迴歸係數會有很大差異。
8樓：中子
spss裡的pearson相關分析的作用就是單純考量變數兩兩之間的關係，雖然你可以在分析時一次放入多個變數，但出來的結果都是兩個變數的簡單的相關，也就是不在求兩變數相關時考慮其他的控制變數。
然而回歸不同，迴歸的結果是綜合所有進入迴歸方程的自變數對因變數的結果而成的，也就是說，在迴歸當中你所看到的相關，是在控制了其他進入迴歸方程的變數之後的。
因此，普通相關與迴歸之中的迴歸係數會有比較大的差別。舉個例子，比如你考查變數a，b，c之間的關係，如果你使用一般的相關，那麼其結果呈現的是a和b的簡單相關，b和c的簡單相關，a和c的簡單相關，每一個相關都只涉及到兩個變數，而與第三個變數無關，但如果是迴歸，迴歸裡a和b的相關是在減去c變數的效應之後的，b和c的相關是在減去a的效應後的，a和c的相關是減去b的效應後的。
計算方法不同，得出的結果就不同。所以相關性分析時兩變數負相關,迴歸分析卻是正相關這很正常。出現任何形式的不同都不奇怪
9樓：章魚公考
在這個圖表中，你說的r值就是皮爾遜相關係數~（pearson correlation）
r>0 代表兩變數正相關，r<0代表兩變數負相關。
|r|大於等於0.8時，可以認為兩變數間高度相關；
|r|大於等於0.5小於0.8時，可以認為兩變數中度相關；
|r|大於等於0.3小於0.5時，可以認為兩變數低度相關。
小於0.3說明相關程度弱，基本不相關。
上面說了啊~**裡的pearson correlation，就是r值**裡黃色加重的幾個r值，是呈現顯著相關的。
簡單來說，
正相關是一個變數變大，另一個變數也變大
負相關就是一個變數變大，另一個變數變小
10樓：天行者
這可能是由於存在多重共線性的問題
11樓：匿名使用者
把圖貼上看一下，我不太相信你說的結果，同樣的演算法不可能出現不同的結果，你可能不太會看結果
如何看spss逐步迴歸分析的結論跪求高手幫助
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。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 spss做的逐步迴歸分析,怎樣解釋結果?5 1 用每個自變數的標準化b 所有自變數標準化b之和,得出的百分比 即可表示該自變數對因...
什麼是分層逐步多元迴歸分析
分層迴歸通來常用於中介源 作用或者調節作用研究中。分層迴歸其實是對兩個或多個迴歸模型進行比較。我們可以根據兩個模型所解釋的變異量的差異來比較所建立的兩個模型。一個模型解釋了越多的變異,則它對資料的擬合就越好。假如在其他條件相等的情況下,一個模型比另一個模型解釋了更多的變異,則這個模型是一個更好的模型...
為什麼多因素迴歸分析都先做單因素分析，把有統計學意義的納入自
對於因變數來說沒意義自變數當然不能納入。譬如學生的學習成績與下列因素有關 1.智商 2.勤奮程度 3.課程與試題難度 4.興趣 5.考試的臨場發揮 6.等等 如果你再加上與 年齡 身高 相關 那不很可笑嗎相同的原理 運用spss進行logistic 迴歸分析，發現有兩個問題 1 因素 自變數 納入，...