spss 虚拟变量回归分析结果。
自己找的一组数据，做出的记过是这样的，不知道是不是符合虚拟变量回归的模型。能不能直接把结论拿来用。我可不可以认为，建立回归方程=b0+b1年龄+b2性别，而回归的结果是血...
自己找的一组数据，做出的记过是这样的，不知道是不是符合虚拟变量回归的模型。能不能直接把结论拿来用。我可不可以认为，建立回归方程=b0+b1年龄+b2性别，而回归的结果是血红蛋白值=1.394+0.510年龄+2.637性别。
展开
2个回答
展开全部
结果可以简单看这几个点~
首先是Model Summary的R Square和之后的调整后确定系数~
这两个值越接近1越好~说明模型的拟合度越高~
表中的拟合度看起来不是很理想~
其次看AVOVA的Sig~显著水平小于.05就说明回归方程有效~
表中的值为.000~没问题~
最后看Coefficients中各自变量的Sig~显著水平小于.05就说明该自变量对因变量有显著影响~
表中性别的值为.000~没问题~
但是年龄的值为.155~不显著~
自变量不显著有两种可能~一是自变量对因变量的影响不显著~二是自变量之间存在多重共线性~
最后的回归方程可以按你说的那么写~
但在拟合度不高的情况下我建议剔除年龄这个自变量~更换自变量或重新建立更为简单的回归模型~
首先是Model Summary的R Square和之后的调整后确定系数~
这两个值越接近1越好~说明模型的拟合度越高~
表中的拟合度看起来不是很理想~
其次看AVOVA的Sig~显著水平小于.05就说明回归方程有效~
表中的值为.000~没问题~
最后看Coefficients中各自变量的Sig~显著水平小于.05就说明该自变量对因变量有显著影响~
表中性别的值为.000~没问题~
但是年龄的值为.155~不显著~
自变量不显著有两种可能~一是自变量对因变量的影响不显著~二是自变量之间存在多重共线性~
最后的回归方程可以按你说的那么写~
但在拟合度不高的情况下我建议剔除年龄这个自变量~更换自变量或重新建立更为简单的回归模型~
已赞过
已踩过<
你对这个回答的评价是？
光点科技
2023-08-15 广告
通常情况下，我们会按照结构模型把系统产生的数据分为三种类型：结构化数据、半结构化数据和非结构化数据。结构化数据，即行数据，是存储在数据库里，可以用二维表结构来逻辑表达实现的数据。最常见的就是数字数据和文本数据，它们可以某种标准格式存在于文件...
点击进入详情页
本回答由光点科技提供
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
