1樓：如何
迴歸模型整體通過f檢驗，而單個係數未通過t檢驗，懷疑模型存在多重共線性。
檢驗多重共線性的方法：條件數、vif、奇異值分解、特徵系統分析解決方法：嶺迴歸、主成分、變數篩選。。望採納
2樓：
（1）引數顯著性檢驗t檢驗對應的prob，若小於0.05則引數的顯著性檢驗通過，再看r方，越接近1，擬合優度越高；f的p值，小於0.05的話模型才顯著，dw用來檢驗殘差序列的相關性的，在2的附近，說明殘差序列不相關。
（2）標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，解釋變數的估計值的t值是用於檢驗係數是否為零的，若值大於臨界值則可靠。估計值的顯著性概率值（prob)都小於5%水平，說明係數是顯著的。r方是表示迴歸的擬合程度，越接近1說明擬合得越完美。
調整的r方是隨著變數的增加，對增加的變數進行的“懲罰”。d-w值是衡量回歸殘差是否序列自相關，如果嚴重偏離2，則認為存在序列相關問題。f統計值是衡量回歸方程整體顯著性的假設檢驗，越大越顯著。
spss迴歸分析迴歸係數無效(不顯著),迴歸方程未通過檢驗.那這個分析還有意義嗎?還是表示變數之間存在相關性
3樓：呂秀才
怎麼能說這個分析沒有意義？如果在分析前都確認他們必須是有意義的，那還要分析幹嘛？
科學研究的過程 不就是一個證偽的過程麼？
方程沒有顯著性，這就證明了你選取的這些變數對因變數是沒有顯著影響的。
這也是有意義的發現啊，為什麼一定要有顯著性，那大家都確定有顯著性了，其實不需要分析了
**性迴歸分析中，若檢驗的結果為不顯著，可能的原因是什麼，如何處理
4樓：南心網心理統計
可能的原因有二：第一，這個變數與因變數本來就不相關；第二，這個變數和其他變數一起作為自變數分析時，自身的解釋力被其他控制變數稀釋。（南心網 spss迴歸分析顯著性檢驗）
spss進行線性迴歸分析時,相關係數都符合,但是顯著性不符合,如何調整
5樓：匿名使用者
線性迴歸時候，相關係數只是表明了各個係數之間的相關程度。但是自變數對因變數不顯著的話，可能存在多重共線性、資料存在異常值、異方差的問題。
1、自變數存在共線性問題
在進行線性迴歸分析時，很容易出現自變數共線性問題，通常情況下vif值大於10說明嚴重共線，vif大於5則說明有共線性問題。當出現共線性問題時，可能導致迴歸係數的符號與實際情況完全相反，本應該顯著的自變數不顯著，本不顯著的自變數卻呈現出顯著性。
解決方法：手動移除出共線性的自變數，先做下相關分析，如果發現某兩個自變數x（解釋變數）的相關係數值大於0.7，則移除掉一個自變數（解釋變數），然後再做迴歸分析。
逐步迴歸法，讓軟體自動進行自變數的選擇剔除，逐步迴歸會將共線性的自變數自動剔除出去。
2、資料存在異常值，如果資料中存在極端異常值，會導致資料偏移對分析結果產生嚴重影響。如果迴歸分析出現各類異常，可通過比如描述分析、箱線圖、散點圖等方法，找出並處理掉異常值後再做分析。
解決方法：檢視資料中是否有異常值，可通過箱線圖、散點圖檢視，剔除異常值可通過spssau“異常值”功能進行剔除。
3、異方差，如果模型存在明顯的異方差性，會影響迴歸係數的顯著情況，得到的迴歸模型是低效並且不穩定的。
解決方法：儲存殘差項，將殘差項分別與模型的自變數x或者因變數y，作散點圖，檢視散點是否有明顯的規律性。如果有明顯的異方差性，建議重新構建模型，比如對y取對數後再次構建模型等。
如果排除了這些原因還是不顯著，那麼基本說明該變數對被解釋變數無顯著影響。
擴充套件資料
在做實證就是做迴歸等等方法的時候，一般就看中三點，一是相關係數，看因變數和自變數是否相關。二是擬合優度（r平方），看回歸方程擬合的好不好，一般0.8以上就算擬合的比較好了。
三是自變數的係數對於因變數是否顯著啦，p值小於0.05就說明自變數對於因變數是顯著的。如果自變數的p值都比0.
05大，那就說明自變數對於因變數是不顯著的，這個自變數就沒什麼意義，所以如果變數比較多的情況下，還是做一下逐步迴歸。
如果變數比較少，做逐步迴歸就會導致最後有可能只剩下一個變數。逐步迴歸就是一個模型優化的過程，更加能解釋自變數和因變數之間的關係，一般迴歸之後效果不好都要逐步迴歸來優化線性模型的。
6樓：匿名使用者
你是想調整資料呢還是想調整什麼呢？
線性迴歸時候，相關係數只是表明了各個係數之間的相關程度。但是自變數對因變數不顯著的話，只能說明自變數多因變數影響不大，可以考慮換其他的跟因變數關係更加大的變數。或者在自變數多的情況下，用逐步迴歸的方法，提取出與因變數相關最大的自變數。
迴歸模型是否一定要通過顯著性檢驗，統計顯著性低的模型就沒有意義嗎？ 20
7樓：匿名使用者
迴歸模型需要經過顯著性檢驗。因為迴歸模型建立後的目的在於應用和對問題做出結論。沒有進行顯著性檢驗，沒有理由來說明你的迴歸模型的合理性。
統計顯著性低，不是沒有意義，而是說明在你做迴歸模型目前為止，沒有足夠的資料來支撐“模型變數之間相關顯著”的結論。
8樓：匿名使用者
一定要顯著性實驗，顯著性低也有點意義吧，至少說明模型不怎麼合理，哈哈
spss做相關分析，通過了顯著性檢驗，但相關係數低，怎麼解釋
9樓：匿名使用者
相關係數低沒有關係,說明緊密程度不高而已.但是
顯著在前,相關係數大小在回後,建議你
在回歸分析中，採用逐步回歸法和強迫回歸法的區別是什麼
星願下的期盼 1 應用不同 前者基於當前資料最大程度地解釋因變數的變異 後者可以將全部變數納入回歸模型中全面分析。2 要求不同 前者將變數乙個乙個引入，每引入乙個變數時要對已選入的變數進行逐個檢驗 後者將所有選定的自變數一起放入模型中，直接去計算包含所有自變數的整個模型。3 表現不同 前者在spss...
怎樣在excel中進行線性回歸分析
人人哦哦哦課 1 單擊開始 所有程式 microsoft office，選擇microsoft excel 2010選項。2 新建的excel資料 中，建立兩行資料，用以分析。3 選中所有資料，單擊資料選單項中的，資料分析選項。4 預設情況下，excel 沒有資料分析選項，此時需要新增它。單擊檔案選...
急 spss裡Logistic回歸分析結果解釋的簡單問題
忻桐古含海 自變數賦值為1的情況和賦值為0 的比較，因變數為1的可能性的倍數。如果自變數是男 1，女 0，因變數是理科成績好 1，壞 0，or值為2，那麼就是男生比女生理科成績好的可能性是2倍 用spss作logistic回歸分析，結果能說明什麼 回歸方程，主要是看各個自變數的假設檢驗結果，和係數。...