spss回归分析结果求助大侠帮忙分析下~~~急救论文要用~~~~pearson correlation=0.468 si
来源:学生作业帮 编辑:作业帮 分类:数学作业 时间:2024/07/18 20:57:23
spss回归分析结果求助大侠帮忙分析下~~~急救论文要用~~~~pearson correlation=0.468 sig(2-tailed)=0.001
N=46 他们间的关系要怎么分析啊,详细点的~~~~~谢谢啊~~~~~~
N=46 他们间的关系要怎么分析啊,详细点的~~~~~谢谢啊~~~~~~
一元线性的模型~~~
首先,你这不是回归分析的结果,是相关分析的结果.从相关分析结果来看,这两个变量之间存在显著的线性关系,适合建立他们的一元线性回归模型.
其次,如果你做他们的一元线性回归模型,需要确定哪个是自变量,哪个是因变量(这个你应该没问题).
最后,你可能最担心的,是他们之间适不适合做一元回归模型,以及具体回归模型是什么.首先明确回答你,他们两者可以得到非常理想的回归模型,自变量可以解释21.9%(相关系数0.468的平方)的因变量变化,而且模型的方差检验是显著的.至于自变量只能解释21.9%的因变量变化,虽然不高,但是从方差检验来看,自变量对因变量的确有显著的影响,对于其余78.1%的因变量变化肯定是由其他因素来解释的,这样他们两者之间的回归模型肯定是成立的,而且是合理的.由于你这里只提供他们的相关分析结果,我只能给你写出他们的标准回归模型:y=0.486*x,这里y即可以表示资产负债率,也可以表示净资产收益率,关键看你的专业分析,哪个才是合理的因变量.
其次,如果你做他们的一元线性回归模型,需要确定哪个是自变量,哪个是因变量(这个你应该没问题).
最后,你可能最担心的,是他们之间适不适合做一元回归模型,以及具体回归模型是什么.首先明确回答你,他们两者可以得到非常理想的回归模型,自变量可以解释21.9%(相关系数0.468的平方)的因变量变化,而且模型的方差检验是显著的.至于自变量只能解释21.9%的因变量变化,虽然不高,但是从方差检验来看,自变量对因变量的确有显著的影响,对于其余78.1%的因变量变化肯定是由其他因素来解释的,这样他们两者之间的回归模型肯定是成立的,而且是合理的.由于你这里只提供他们的相关分析结果,我只能给你写出他们的标准回归模型:y=0.486*x,这里y即可以表示资产负债率,也可以表示净资产收益率,关键看你的专业分析,哪个才是合理的因变量.
spss回归分析结果求助大侠帮忙分析下~~~急救论文要用~~~~pearson correlation=0.468 si
spss Pearson Correlation(相关系数分析)anova差异性 求救啊.
SPSS回归分析求助.
SPSS做的相关性回归分析,结果如下,求懂的人帮忙具体分析下.
用spss做线性回归结果分析
spss回归分析结果解读
spss回归分析结果图,
spss线性回归结果分析
关于SPSS回归结果分析
如何使用SPSS进行皮尔森相关系数分析?Pearson’s correlation coefficients
请高手帮忙分析下SPSS的多元线性回归结果吧~急啊~~~
stata回归结果分析,大牛帮忙分析下嘛.