spss中回归分析实例求助，这样的R值F值T值可以继续做下去吗？ 问下，spss回归分析得出的R方值、F值、t值各有何含义，数...
看了你的追问，你应该是想做主成分回归吧。主成分回归是先把所有指标做主成分分析，即提取主成分，然后利用主成分进行回归分析。这样做是可以的。另外你用SPSS做出来的是因子分析的结果，需要转化一下才能进行主成分回归。还有，据我做实例研究的经验，时间序列数据用来做因子分析是有待商榷的，需要进行一定的变换。
希望这个回答对你有用！
R表示拟合优度，也就是说解释变量对被解释变量解释的程度，0.734的话基本上还可以。
t值基本上没问题， 1%应该都拒绝了，我记得5%好像才1点几。
F应该也没什么问题。
不知道spss在回归结果中会不会返回p值，如果有的话，每一个统计量后的p值如果能小于0.5就肯定没问题了。建议你好好看看。
兄弟，在做回归分析的同时请备上一本计量分析。翻找出r，t，f值的计算公式，找到t、f检验的值，对比你算出来的值，看你的回归方式是否合理。在现实中R值这样是比较正常，在不知道你变量个数之前t、f不敢下定论
可以的 没有合适的标准
spss中回归分析实例求助，这样的R值F值T值可以继续做下去吗？~
回归分析的结果，首先你要看r²的值和方差分析的sig值就可以了
通常r²表示的是所有自变量对于因变量解释的百分比，最大值是1，当r²=1，说明因变量能够被自变量完全解释，所以r²当然是越大越小，至于达到多少最好，没有统一标准，只要anova表的sig值是小于0.05，就说明回归方程有意义，可以接受。
R square是决定系数,意思是拟合的模型能解释因变量的变化的百分数,例如R方=0.810,表示拟合的方程能解释因变量81%的变化,还有19%是不能够解释的.
F值是方差检验量,是整个模型的整体检验,看你拟合的方程有没有意义
t值是对每一个自变量（logistic回归）的逐个检验,看它的beta值β即回归系数有没有意义
F和t的显著性都是0.05,
SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent于1968年研究开发成功，同时成立了SPSS公司，并于1975年成立法人组织、在芝加哥组建了SPSS总部。
决定系数，有的教材上翻译为判定系数，也称为拟合优度。表示可根据自变量的变异来解释因变量的变异部分。如某学生在某智力量表上所得的 IQ 分与其学业成绩的相关系数 r=0.66，则决定系数 R^2=0.4356，即该生学业成绩约有 44%可由该智力量表所测的智力部分来说明或决定。
扩展资料：原理：
表征依变数Y的变异中有多少百分比,可由控制的自变数X来解释.
决定系数并不等于相关系数的平方。它与相关系数的区别在于除掉|R|=0和1情况，
由于R2<R,可以防止对相关系数所表示的相关做夸张的解释。
决定系数：在Y的总平方和中，由X引起的平方和所占的比例，记为R2
决定系数的大小决定了相关的密切程度。
当R2越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。这是在一元回归分析中的情况。但从本质上说决定系数和回归系数没有关系，就像标准差和标准误差在本质上没有关系一样。
在多元回归分析中，决定系数是通径系数的平方。
表达式：R2=SSR/SST=1-SSE/SST
其中：SST=SSR+SSE，SST (total sum of squares)为总平方和，SSR (regression sum of squares)为回归平方和，SSE (error sum of squares) 为残差平方和。
注意：以下不同名字是同一个意思，只是表述不同
回归平方和：SSR(Sum of Squares for regression) = ESS (explained sum of squares)
残差平方和：SSE（Sum of Squares for Error） = RSS (residual sum of squares) =SSR(sum of squared residuals)
总离差平方和：SST(Sum of Squares for total) = TSS(total sum of squares)
注意：两个SSR的不同
SSE+SSR=SST
RSS+ESS=TSS
意义：拟合优度越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。
取值意思：
0 表示模型效果跟瞎猜差不多
1 表示模型拟合度较好（有可能会是过拟合，需要判定）
0~1 表示模型的好坏（针对同一批数据）
小于0则说明模型效果还不如瞎猜（说明数据直接就不存在线性关系）
参考资料：百度百科-决定系数
参考资料：百度百科-spss
SPSS中如何做自变量的回归分析?
答：1、打开SPSS软件，然后打开一份要进行计算交互项的数据表。2、在功能栏中点击【转换-计算变量】。3、接着要添加一个新的变量名称，点击下方的【类型与标签】，输入一个标签名称。4、把要进行相乘的变量放在编辑公式框中。5、然后利用计算器键盘直接进行两个变量相乘。6、最后即可看到新增的变量，新增模...
请问SPSS怎么做线性回归分析
答：1、上传数据，选择线性回归 2、放入分析项，点击开始分析 3、分析结果 配合输出智能文字分析，可以结合数据进行解读。
如何利用spss进行已知维度的回归分析
答：用SPSS进行回归分析，实例操作如下：单击主菜单Analyze / Regression / Linear…，进入设置对话框如图7-9所示。从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量x选入到自变量（Independent）框中。在方法即Method一项上请注意保持系统默认的选项Enter，选择该项表示要求系统在建立回归方程...
谁能帮忙讲解一下分类变量的回归分析?自变量和因变量都为分类变量,请问...
答：1、首先打开一份要进行线性回归分析的SPSS数据，然后点击【分析-回归-线性】。2、然后将因变量和自变量分别放入相应的框中。3、接着可以进行选择变量，即对变量进行筛选，并利用右侧的“规则”按钮建立一个选择条件，这样，只有满足该条件的记录才能进行回归分析。4、接着点击右侧的统计量打开统计量子对话...
如何在spss进行logistic单因素回归分析
答：1、打开spss统计软件，然后单击“Analyze - Regression - Binary Logistic”。2、出现“逻辑回归”窗口。将“高血压”放入“依赖变量”框，并将其他变量（如“性别”和“体重指数”）放入“分隔符”框中。3、单击“分类”将分类变量的自变量放入右侧的“分类协变量”框中。在这种情况下，自变量“...
帮我做一个回归分析,用SPSS分析的结果如下图,1-7为自变量,8为因变量...
答：X1，X2，X4，X5，X6，X7分别为各自变量。1.调整的R平方为0.915，说明因变量VAR00008不确定性的绝大部分（91.5%）能由回归方程解释，回归方程拟合优度较好。2.从ANOVA方差分析表中看到，F=114.6，P值为0.000，小于指定的显著性水平0.05，可以拒绝原假设，表明回归方程显著，说明自变量1-7整体上...
如何用spss做多因素回归分析
答：1、打开SPSS软件后点击右上角的【打开文件按钮】打开你需要分析的数据文件 2、接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击【图形】---【旧对话框】---【散点/点状】3、选择...
求助!SPSS做回归分析得出这样的结果,数据符不符合标准啊?请高手指点...
答：不能说数据符不符合标准，因为数据来自于实验，没有标准可言，从结果看来模型是显著的。数学问题请上mathapply.cn讨论
SPSS中如何对回归分析结果进行分析?
答：1、打开SPSS软件后先打开你需要分析的数据。打开右上角的标识，选择你需要的文件，点击【打开】，选择文件。2、打开后如果你事先不知道两个变量之间是线性还是非线性，那就画散点图分析其趋势。【图形】---【旧对话框】---【散点/点状】---【简单分布】---【定义】3、将相应的变量设置为x,y ...
请教主成分回归分析在SPSS中的演示步骤
答：单击Continue按钮返回Factor Analysis主对话框。6单击主对话框中的OK 按钮，输出结果。多元线性回归 1.打开数据，依次点击：analyse--regression，打开多元线性回归对话框。2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。3.设置回归方法，这里选择最简单的方法：enter，它指的是将...
