很多人提到SPSS输出的回归分析的结果不是很好理解现在就来介绍回归分析各个指标含义
-
把想要分析的题项拖拽到指定的选框中点击即可生成数据。
(有不会的问题可以点击右侧嘚“灯泡”查看帮助手册)
-
得到结果以及智能文字分析
-
回归分析结果指标解读:
这里主要关注P值,小于0.05时有意义
B值即回归系数值,大於0说明正向影响小于0说明负向回归。
-
① 首先分析模型拟合情况即通过R平方值分析模型拟合情况,以及可对VIF值进行分析判断模型是否存在共线性问题【共线性问题可使用岭回归或者逐步回归进行解决】;
② 写出模型公式(可选);
③ 分析X的显著性;如果呈现出显著性(P徝小于0.05或0.01);则说明X对Y有影响关系,接着具体分析影响关系方向;
④ 结合回归系数B值对比分析X对Y的影响程度(可选);
-
1、多重共线性:可查看VIF值,如果全部小于10(严格是5)则说明模型没有多重共线性问题,模型构建良好;反之若VIF大于10说明模型构建较差如果呈现出共性问题,可使用逐步回归分析
2、自相关性:如果D-W值在2附近(1.7~2.3之间),则说明没有自相关性模型构建良好,反之若D-W值明显偏离2则说明具有自楿关性,模型构建较差自相关问题产生时建议对因变量Y数据进行查看。
3、残差正态性:在分析时可保存残差项然后使用“正态图”直觀检测残差正态性情况,如果残差直观上满足正态性说明模型构建较好,反之说明模型构建较差如果残差正态性非常糟糕,建议重新構建模型比如对Y取对数后再次构建模型等。
4、异方差性:可将保存的残差项分别与模型的自变量X或者因变量Y,作散点图查看散点是否有明显的规律性,比如自变量X值越大残差项越大/越小,这时此说明有规律性模型具有异方差性,模型构建较差如果有明显的异方差性,建议重新构建模型比如对Y取对数后再次构建模型等。
经驗内容仅供参考如果您需解决具体问题(尤其法律、医学等领域),建议您详细咨询相关领域专业人士
作者声明:本篇经验系本人依照真實经历原创,未经许可谢绝转载。
}