关于SPSS线性回归分析结果的解释,希望各位老师能帮帮我 10
ModelSummary(e)ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.426a.181.156.34497...
Model Summary(e)
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .426a .181 .156 .344974293
2 .650b .422 .385 .294473328
3 .766c .587 .546 .252916584
4 .813d .661 .614 .233247899
a. Predictors: (Constant), var440
b. Predictors: (Constant), var440, var455
c. Predictors: (Constant), var440, var455, var467
d. Predictors: (Constant), var440, var455, var467, var418
e. Dependent Variable: VAR00001
谁帮我分析下这为什么入选的变多了,上面4个的是我的原始数据,下面11个的是我微分变换后的,为什么啊?拟合方程,我要把这些都放进去么?
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .516a .266 .243 .326578020
2 .657b .432 .395 .291984579
3 .769c .592 .551 .251537372
4 .830d .688 .645 .223641795
5 .864e .747 .701 .205183620
6 .892f .796 .750 .187652681
7 .922g .851 .810 .163463844
8 .917h .840 .805 .165818676
9 .940i .883 .852 .144509462
10 .954j .910 .882 .129173578
11 .970k .942 .920 .106150118
a. Predictors: (Constant), var365
b. Predictors: (Constant), var365, var109
c. Predictors: (Constant), var365, var109, var013
d. Predictors: (Constant), var365, var109, var013, var277
e. Predictors: (Constant), var365, var109, var013, var277, var501
f. Predictors: (Constant), var365, var109, var013, var277, var501, var023
g. Predictors: (Constant), var365, var109, var013, var277, var501, var023, var395
h. Predictors: (Constant), var365, var013, var277, var501, var023, var395
i. Predictors: (Constant), var365, var013, var277, var501, var023, var395, var493
字数太多,图也传不上去我删掉了些东西,凑活看吧。。。我想知道该怎么办 展开
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .426a .181 .156 .344974293
2 .650b .422 .385 .294473328
3 .766c .587 .546 .252916584
4 .813d .661 .614 .233247899
a. Predictors: (Constant), var440
b. Predictors: (Constant), var440, var455
c. Predictors: (Constant), var440, var455, var467
d. Predictors: (Constant), var440, var455, var467, var418
e. Dependent Variable: VAR00001
谁帮我分析下这为什么入选的变多了,上面4个的是我的原始数据,下面11个的是我微分变换后的,为什么啊?拟合方程,我要把这些都放进去么?
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .516a .266 .243 .326578020
2 .657b .432 .395 .291984579
3 .769c .592 .551 .251537372
4 .830d .688 .645 .223641795
5 .864e .747 .701 .205183620
6 .892f .796 .750 .187652681
7 .922g .851 .810 .163463844
8 .917h .840 .805 .165818676
9 .940i .883 .852 .144509462
10 .954j .910 .882 .129173578
11 .970k .942 .920 .106150118
a. Predictors: (Constant), var365
b. Predictors: (Constant), var365, var109
c. Predictors: (Constant), var365, var109, var013
d. Predictors: (Constant), var365, var109, var013, var277
e. Predictors: (Constant), var365, var109, var013, var277, var501
f. Predictors: (Constant), var365, var109, var013, var277, var501, var023
g. Predictors: (Constant), var365, var109, var013, var277, var501, var023, var395
h. Predictors: (Constant), var365, var013, var277, var501, var023, var395
i. Predictors: (Constant), var365, var013, var277, var501, var023, var395, var493
字数太多,图也传不上去我删掉了些东西,凑活看吧。。。我想知道该怎么办 展开
展开全部
其实SPSS有中文版,这份报告并不难解
第一行分别是:模型编号、相关系数、相关系数平方、调整相关系数、标准误
其中后两项对模型有实际价值,adjR^2反映了你模型与实验数据间的关联程度,越接近1越好,按照90%置信区间考虑,你的第一次模型与数据基本无关联;而标准误反映数据离散程度
a-d在下方进行了注释,即模型与那些变量有关
e为结论:与第一个变量相关
虽不明白微分变换的目的,但数据模型明显得到优化,尤其是新模型7-11具有统计学意义
第一行分别是:模型编号、相关系数、相关系数平方、调整相关系数、标准误
其中后两项对模型有实际价值,adjR^2反映了你模型与实验数据间的关联程度,越接近1越好,按照90%置信区间考虑,你的第一次模型与数据基本无关联;而标准误反映数据离散程度
a-d在下方进行了注释,即模型与那些变量有关
e为结论:与第一个变量相关
虽不明白微分变换的目的,但数据模型明显得到优化,尤其是新模型7-11具有统计学意义
更多追问追答
追问
我这里有个 入选了29个的。后面的R方都到1.000了。你说这个是什么情况?如果能加个好友就好了406752460,细说给你截图
追答
R方都到1.000的模型有很多时,选择关联变量最少的那个
这在拟合时很常见的,因为关联的变量越多,模型形式越复杂,模型的表述也就越多
要根据结论对变量逐一分析和剔除,以最简形式作为最终模型才能把实验上升到理论层面
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询
广告 您可能关注的内容 |