在回归分析中,部分系数没有通过显著性检验,该如何处理?

Posted 2023-05-10

回归模型整体通过F检验，而单个系数未通过t检验，怀疑模型存在多重共线性。
检验多重共线性的方法：条件数、VIF、奇异值分解、特征系统分析
解决方法：岭回归、主成分、变量筛选。。
望采纳 参考技术A （1）参数显著性检验t检验对应的Prob，若小于0.05则参数的显著性检验通过，再看R方，越接近1，拟合优度越高；F的P值，小于0.05的话模型才显著，DW用来检验残差序列的相关性的，在2的附近，说明残差序列不相关。
（2）标准差是衡量回归系数值的稳定性和可靠性的，越小越稳定，解释变量的估计值的T值是用于检验系数是否为零的，若值大于临界值则可靠。估计值的显著性概率值（prob)都小于5%水平，说明系数是显著的。R方是表示回归的拟合程度，越接近1说明拟合得越完美。调整的R方是随着变量的增加，对增加的变量进行的“惩罚”。D-W值是衡量回归残差是否序列自相关，如果严重偏离2，则认为存在序列相关问题。F统计值是衡量回归方程整体显著性的假设检验，越大越显著。追问

您好！如果大于0.05的变量该咋办？

SPSS 多元线性回归结果中，系数模型下的1，B，t，Sig.分别啥意思。在线等！！急求高手解答！！

SPSS 多元线性回归结果中，结果表格列出了自变量的显著性检验结果，结果输出表格中列出了回归模型的偏回归系数（B）及其标准误（Std.Error），标准化偏回归系数（Beta），回归系数检验的t统计量及其P值（Sig.）。

系数模型下的1表示模型的序号。

1、T表示使用单样本T检验的T值。

2、sig表示T检验的显著性检验P值，小于0.05的则说明自变量对因变量具有显著影响。

3、B表示各个自变量在回归方程中的偏回归系数，负值表示自变量对因变量有显著的负向影响。

扩展资料：

由于每个自变量的量纲和取值范围不同，基于偏回归系数B并不能反映各个自变量对因变量影响程度的大小。标准化偏回归系数其意义在于通过对偏回归系数进行标准化，从而可以比较不同自变量对因变量的作用大小。标准化偏回归系数数值越大表示对自变量的影响更大。

参考资料：

百度百科——偏回归系数

百度百科——t检验

百度百科——P值（sig）

参考技术A 标准化系数就是无量纲化之后的回归分析结果，就是把数据中心化再除以数据的标准差，目的是去掉数据的量纲（就是单位）然后可以对单位不同的东西做出回归分析，例如身高和体重

非标准化就是没干这个事情的

t就是t检验的结果

sig就是t检验的显著性，表示这一个自变量对因变量是否有影响，p<.05就显著说明有影响，越小越好，其实就是凡第一类错误的概率。

std. error自己百度百科讲得比我清楚 参考技术B 1代表步骤，b的系数，t是个检验的统计量，sig是p值，小于0.05，说明这个系数不为0.
你这个都不知道，怎么做出来的？找本教材？追问

t的解释能更详细且符合发表要求么。编辑部要求注释t的意思。
我是否可以这样解释：B表示样本回归系数；t表示用T检验法对方程进行假设检验以说明其有无统计学意义的t值；Si.表示差异的显著性。

谢谢大侠！！

追答

可以这么说的

本回答被提问者采纳