急问！spss主成分回归分析后，要把标准化后的数据还原用来求原方程式，怎么求啊！？

Posted 2023-04-30

用得到的print值做因变量，用原始数据做自变量。然后线性回归，所得到的回归系数就是线性组合的系数，然后做的回归相当于一个线性方程组，然后就可以还原成主成分回归方程了。

Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。

还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。

扩展资料：

 数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。

意义：数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者数值相差较大所引起的误差。

原理：数据标准化：是指数值减去均值，再除以标准差；

数据中心化：是指变量减去它的均值。

目的：通过中心化和标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。

参考资料来源：百度百科 ——SPSS回归分析

参考技术A 用你得到的print值做因变量，用原始数据做自变量。然后线性回归，所得到的回归系数就是线性组合的系数，然后你做的回归相当于一个线性方程组，然后就可以还原成主成分回归方程了。 参考技术B 不会做就让人帮你做吧
我经常帮别人做这类的数据分析

做二元logistic回归遗漏项很多怎么办

参考技术A 可以多尝试不同的变量选择方法，
比如glmnet，偏最小二乘，向前向后逐步变量选择，或者先做一步PCA，再用主成分进行logistic回归。最终看下哪个模型的效果好，就选用哪一个模型。1.可以用变量选取，如向前或向后法，然后利用Cross-Validatin或者AIC/BIC,Mallow Cp（若数据服从假设）方法挑出最好的。2.用Lasso或者Ridge Regression这样的Regularization方法调整参数选择模型。最后，可以用PCA先降维，然后再做回归。