Question

SPSS 多元回归分析，t检验，f 检验是啥，我的数据出来该怎么分析呢？请高手指教

Anova(b)
模型 平方和 df 均方 F Sig.
1 回归 36.061 7 5.152 12.470 .000a
残差 37.595 91 .413
总计 73.657 98
a. 预测变量: (常量), 诱人的价格优势, 便捷的物流配送, 个性化的网站风格设计, 卓越的质量保证, 及时的客服响应, 完好快速的购买程序, 周密的隐私保障。
b. 因变量: 顾客满意度
系数(a)
非标准化系数 标准系数 相关性
模型 B 标准 误差 试用版 t Sig. 零阶 偏 部分
1 (常量) 1.023 1.513 .676 .501
个性化的网站风格设计 .340 .124 .310 2.741 .007 .235 .276 .205
完好快速的购买程序 .702 .231 .590 3.035 .003 .131 .303 .227
及时的客服响应 -.800 .215 -.834 -3.714 .000 -.200 -.363 -.278
周密的隐私保障 -.405 .265 -.335 -1.530 .130 -.036 -.158 -.115
便捷的物流配送 -.015 .206 -.014 -.073 .942 .030 -.008 -.005
卓越的质量保证 .801 .223 .600 3.587 .001 .264 .352 .269
诱人的价格优势 .086 .116 .064 .742 .460 .039 .078 .056
a. 因变量: 顾客满意度

Answer 1

众所周知，对于一元线性回归模型，F 检验与t 检验是等价的； 而对于二元以上的多元回归模型， 解释变量的整体对被解释变量的影响是显著的，并不表明每一个解释变量对它的影响都显著。
因此在做完F 检验后还须进行t 检验。

在建立多元线性回归模型时，t 检验是用于检验回归方程各个参数是否显著为0 的单一检验，F 检验是检验所有解释变量的系数是否同时为0 的联合检验。

t 统计量与F 统计量的构造原理及其概率分布都是不一致的，前者直接考虑参数的估计量是否“足够”接近于0，服从t 分布；后者则是从总离差平方和分解式出发，以回归平方与残差平方和的比值来推断解释变量整体对被解释变量的线性影响是否显著，服从F分布。因此，就一般而言，t 检验与F 检验不等相互替代。

事实上，在回归分析中，可能出现回归结果具有很高的F 统计量值，方程通过F 检验，同时所有解释变量均不能通过t 检验的情形； 也可能出现有些或全部解释变量通过t 检验，而方程却不能通过F 检验的情形。

若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。如果回归方程不能通过F 检验，则至少有一个解释变量不能通过t 检验，但并不能推出所有解释变量均不能通过t 检验的结论。若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。

以上回答全部摘自：《回归分析中t 检验与F 检验关系的进一步探讨》作者：靳庭良1，张宝青2
此处提出本人看法：可以理解为：t检验是检验单个变量对回归方程是否显著的，而F检验，是检验所有变量总体影响之和是否对回归方程的贡献显著。也因此，只有F检验通过，就可以采用此回归方程，认为此回归方程可以反映众多应变量的综合效应。而且，只是没有通过t检验的这几个自变量对此回归方程的影响不大。 不过除此之外，我们也可以采取另一选择，即：虽然通过F检验，但是t检验有几个是没有通过的，这时我们采用剔除这几个对回归曲线贡献为0的自变量，然后重新进行求线性回归方程，相当于SPSS求回归曲线方法里的stepwise法。（我的这些推论可以有较大问题，仅供参考，我也急于求解，希望有高手斧正！！）

Answer 2

不知道你的顾客满意度得分和每个指标得分各表示什么意思
如果都是分数越高，表示越好的话，那就说明有问题了
及时客服响应、周密隐私保障、便捷物流配送这三者得分与顾客满意度得分是成反比的

第一个anova的F和sig表示回归方程的拟合效果的，sig小于0.05。，说明回归方程通过检验，可以使用
下面的回归系数表格中的B和标准化的B为各自变量的回归系数，用来构建回归预测模型使用的，而T和sig值是用来检验该自变量是否具有显著预测效果的

Answer 3

f检验效果很好 再看哪个相关系数大 相关程度比较高 就可以知道那项服务对顾客满意度的影响更大了