用spss做几个数据之间的函数关系

您先百度看看Logistic函数的一般表达式,然后对照表格抄写即可.南心网提供.再问：谢谢您，我补充的那个函数您看得懂吗，帮忙解答下~再答：那个是幂指数，两个乘号就不懂咯，难道是平方？再问：搞懂啦，前

不知道有没有理解对你的意思：你使用selectcases来选择么?如果是用这个,你点ok后,在数据表里会多一个变量：filter_$,该列变量里,1代表你选中的数据,0代表未选中的数据.你说的图表应该

回归分析方法可以!所谓回归分析法,是在掌握大量观察数据的基础上,利用数理统计方法建立因变量与自变量之间的回归关系函数表达式（称回归方程式）.回归分析中,当研究的因果关系只涉及因变量和一个自变量时,叫做

如果你用的是英文版的那么流程为Analyze---generallinearmodel---univarite打开一个对话框将两因素选入自变量框（fixedfactors)将因变量选入因变量框(dep

第一,求区间的频数,可以借助“挑选纪录”来实现.第二,这个不能做卡方检验,因为卡方检验一般来说,用于两个分类变量,而这里的Li是一个数值型变量.

设置两个变量：组别和水分量,组别为1和2,分别表示虾1和虾2.在分析（analyze）——均值比较（meancompare）——独立样本T检验,将数据输入到因变量,将组别输入到组别里,并设置1和2两个

你要考察的是什么?不同组别的抗体效价是否存在显著差异?在Dataview里组别竖着一列（组别以数字1,2,3,4,5区分）,抗体效价竖着一列.然后分析--->比较平均数法---->单因素方差分析.将组

网上有spss13,是破解版,汉语的,使用方便

用因子分析可以形成两个公因子：解释的总方差初始特征值提取平方和载入成份合计方差的%累积%合计方差的%累积%13.92178.42478.4243.92178.42478.42421.06221.247

一般采用相关系数矩阵分析都是自动标准化的,如果你不放心,可以人为标准化,会自动保存新变量的,而不是要重新输入标准化数据.

列方程需要的是表3,即表题是“系数”的那个表.具体而言就是：人均净利润=14403.479+453037.528*技术人员密度(22912.153)(147215.653)T统计量用来观测回归系数是否

预测结果可以自动出来的,你在设定需要预测范围后,其中一项表格就会自动显示预测结果.再问：能说的详细点吗，在哪里设定预测范围啊，为什么我得出来的都是0。再答：时间序列模型生成器中的option项目中选择

求每个子变量的均值可以通过描述分析得到你的结论是希望得到两个大变量是否有显著差异,而不是判断每个子指标是否有显著差异,因此你可以将第一个变量四个子变量的得分加起来即为第一个变量的得分,第二个变量也是同

应该是用重复测量的方差分析来做的

一般资料看上面的那个,0.020,小于0.05,统计学差异显著.再问：也就是说看sig（双侧）上面那个值就行了？小于0.05为显著？请问第一个sig0.252是什么意思啊，还有假设方差不想等那一行的s

RSquare（R方）,回归模型的解释程度,值一般在0到1之间,如果值为0.89,则说明你这个回归模型能解释89%的样本.F为F检验的值,F检验主要是解决方差分析,F=可以解释的误差（组间误差）/不能

这个做多元线性回归好了,其实是二元线性回归,自变量2个A和B,因变量C.一元线性回归方程y=ax+b,系数a＞0,y与x正相关,x高时,y高,x低时,y低,a＜0相反.二元线性回归方程是y=ax1+b

R方统计量衡量在样本内预测因变量值的回归是否成功,一般超过0.85都是成功的,F统计量检验回归中所有的系数是否为零(除了常数或截距),统计显著性（sig）就是出现目前样本这结果的机率.Y=a*exp(

你看看spss分析曲线估计里面有很多个曲线模型,你可以一次性把列出的那些曲线模型全部选中然后根据结果看那种模型拟合效果最好那就用哪种模型再问：我选择了复合函数发现拟合度高可是我不知道符合函数的公式结构

操作完了点击OK,而不是点击Paste来粘贴语法.如果生成了Syntax语法窗口,就点击run执行语句就行了