Question

spss做线性回归分析显著性水平大于0.05怎么办

Answer 1

以所选取的自变量拟出的公式与实际的统计值出入比较大，建议去除相关性较小的几个自变量就有可能小于0.05。

大于0.05意味着结果没有达到统计学上的显著，即结果不具有统计学意义，不能判定均值差异是否为随机误差所致。此时，首先看看效应量，即eta平方，spss分析方差分析都会提供，如果eta平方至少是中等大小以上，比如0.06以上，那么不显著的原因比较有可能是因为统计检验力不够所致。

可以增大样本量再次进行方差分析。如果eta平方比较小，比如0.01左右，结合不显著的结果，可以认为没有均值差异。

在线性回归中

数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。

像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布（多元分析领域）。

以上内容参考：百度百科-线性回归

Answer 2

刚看了一篇外文文献，其中提到了几个变量之间的相关性分析。作者用SPSS得出A与B的相关性系数约为0.09，但显著性水平大于0.05即不显著。随后继续作回归性分析(未阐明是否是多元线性)结论是BETA 值0.35，显著性水平小于0.05。因此有个疑问，既然相关性分析得出的结论是两已经不显著相关了，为何还要继续回归分析，回归分析不是得出具体的何种相关关系系数的吗?求正解。一种解释是: 1、相关与回归在只有两个变量的情况下其实说的差不多是一回事。2、多变量情况下，可以用回归做预测，考虑调节变量，共线性问题，和多元回归一些其他功能，所以，继续做回归，还是两个变量，真的没必要，如果多变量情况下，还是可以考虑的。

Answer 3

回归分析的常数项 无论是否显著 都没有关系，你要做的研究都是你的研究变量 对因变量的影响，所以你只要看你的研究变量就好了。至于常数项可以不去管

Answer 4

如果你们有要求的话要么换数据，要么就自己改改数据，没要求的话就这样也无所谓