SPSS分析,总共八类问题,每类问题对应四个维度的量表
来源:学生作业帮助网 编辑:作业帮 时间:2024/10/02 21:23:46
非常简单的,多元线性回归是一样的,你直接把因变量选入上面那个框,自变量全部选入下面.然后用逐步回归分析(常用)ENTER哪里下面的第二个.然后回归分析模型主要看有B和Beta那个表格!
做相关分析与回归分析,不能做单因素分析.再问:那现在问题在这里,如何分析浓度对去除率影响是否显著?谢谢!
百度hi我在里面给你解决
一个是把不显著的变量剔除,另一个办法是选择更适合的估计方法,比如加权最小二乘法.第三个是模型中存在多重共线,使用逐步回归、岭回归、主成分回归等方法进行处理.若有帮助,请及时采纳,谢谢.统计人刘得意再问
楼上有位仁兄说的对,用analyse--regression--nonlinearregression做非线形回归.把你所需要的方程连同系数全部输入到指定的对话框中,我总结是这样的:1.打开SPSS2
正负号只是表示关系的正负这不影响主成分分析主要看绝对值的大小绝对值大就表示关系强
可以的,f值为8.14,p值小于0.05,说明回归模型是有意义的
analyze------descriptivestatistics----crosstabs把A放到column里,把B放到row里,然后点击statistic选中chi-square,点conti
这两个图都可以用来判断变量是否符合正态分布从第一个图上来看大致上符合正太分布,下面的pp图也可以证明是属于正态分布就这么一个意思
推测是前人的数据进行了标准化.你也用标准化数据回归试试.标准化数据可以用分析-描述统计-描述弹出的对话框中将下面的“将标准化得分存为变量”打勾.然后回归的时候用数据里面新生成的zx1,zx2.数据进行
看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要
“员工缺勤率”下面有两个分支问题(变量)你可以采取下列两种方法来处理1、你可以将员工缺勤率下面的两个分支变量合并成一个,譬如,假如你把员工缺勤率分为员工迟到次数和员工早退次数的话,你就可以把这两个加起
在因子分析时,点击得分-保存因子得分即可,在回归分析时,将Y输入到dependent,F1F2输入到indenpendent,下面那位说错了.再问:就是一开始肯定没有YF1和F2的,提取出来主成分怎么
直接把E和logp两个变量放入SPSS,再回归求出参数值a和b.当然,还是进行拟合优度检验和显著性检验,以及必要的自相关和异方差检验,模型结论才可靠.
有没有相关性主要看P值也就是sig.(two-tailed),大于0.05不显著,小于0.05显著,小于0.01极显著.而上表可知,customersatis与brandvalueP值为0.396,与
分数没用的你有什么问题直接说我经常帮别人做这类的数据分析的再问:那我加您,辛苦了,我的问题都挺基础的...
lz的意思表达不是很明白.以因子分析为例:因子分析会有variables的框让你自己选择对哪些变量的数据进行分析.如果需要对原始数据进行分析,那就将你原始数据的相关变量名拖到variables的框里就
你得设置因子载重值排序啊,你看特征根值大小进行比较哪个影响大
除了碱度R和常数项以外,其余变量显著性都极低.模型总体显著性也低.最后的P-P图上,散点聚集没有聚集在直线上结论:模型显著性不足,更改模型设定,或采用逐步回归.再问:帮我看看我的原始数据,这个如何处理
你这个问题可能是两者是一种对称关系,就是相互都可以做自变量和因变量,即相互影响的关系.比如说,努力工作与获得财富之间的关系,在努力工作之后就会获得很多财富,同时,获得财富之后又会促使其努力工作,这就是