回归分析的结果怎么看?

Posted 2023-04-24

首先来说明各个符号，B也就是beta，代表回归系数，标准化的回归系数代表自变量也就是预测变量和因变量的相关，为什么要标准化，因为标准化的时候各个自变量以及因变量的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。T值就是对回归系数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显著性，在统计学上，sig<0.05一般被认为是系数检验显著，显著的意思就是你的回归系数的绝对值显著大于0，表明自变量可以有效预测因变量的变异，做出这个结论你有5%的可能会犯错误，即有95%的把握结论正确。
回归的检验首先看anova那个表，也就是F检验，那个表代表的是对你进行回归的所有自变量的回归系数的一个总体检验，如果sig<0.05,说明至少有一个自变量能够有效预测因变量，这个在写数据分析结果时一般可以不报告
然后看系数表，看标准化的回归系数是否显著，每个自变量都有一个对应的回归系数以及显著性检验
最后看模型汇总那个表，R方叫做决定系数，他是自变量可以解释的变异量占因变量总变异量的比例，代表回归方程对因变量的解释程度，报告的时候报告调整后的R方，这个值是针对自变量的增多会不断增强预测力的一个矫正（因为即使没什么用的自变量，只要多增几个，R方也会变大，调整后的R方是对较多自变量的惩罚），R可以不用管，标准化的情况下R也是自变量和因变量的相关 参考技术A

非标准化系数（B）：非标准化回归系数。回归模型方程中使用的是非标准化系数。


标准化系数（Beta）：标准化回归系数。一般可用于比较自变量对Y的影响程度。Beta值越大说明该变量对Y的影响越大

t值：t检验的过程值，回归分析中涉及两种检验（t检验和F检验），t检验分别检验每一个X对Y的影响关系，通过t检验说明这个X对Y有显著的影响关系；F检验用于检验模型整体的影响关系，通过F检验，则说明模型中至少有一个X对Y有显著的影响关系。此处的t值，为t检验的过程值，用于计算P值。一般无需关注。

p值：t检验所得p值。P值小于0.05即说明，其所对应的X对因变量存在显著性影响关系。

VIF值：共线性指标。大于5说明存在共线性问题。

R²：决定系数，模型拟合指标。反应Y的波动有多少比例能被X的波动描述。

调整R²：调整后的决定系数，也是模型拟合指标。当x个数较多是调整R²比R²更为准确。

F检验：通过F检验，说明模型中至少有一个X对Y有显著的影响关系。分析时主要关注后面的P值即可。

D-W值：D-W检验值，Durbin-Watson检验，是自相关性的一项检验方法。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。

第一步：首先对模型整体情况进行分析

包括模型拟合情况（R²），是否通过F检验等。

第二步：分析X的显著性

分析X的显著性（P值），如果呈现出显著性，则说明X对Y有影响关系。如果不显著，则应剔除该变量。

第三步：判断X对Y的影响关系方向及影响程度

结合回归系数B值，对比分析X对Y的影响程度。B值为正数则说明X对Y有正向影响，为负数则说明有负向影响。

第四步：写出模型公式




第五步：对分析进行总结

SPSSAU也会提供智能分析建议，方便分析人员快速得出分析结果。



请点击输入图片描述

spss20.0岭回归怎么看k值？

我没有找到k值，能详细说明一下吗？

方法一：
1、做多自变量的线性回归，在统计量面板内选：共线性诊断（L）；
2、如结果中的方差膨胀系数（VIF）>5，则可做岭回归分析；
3、新建语法编辑器，输入如下命令：
INCLUDE '安装目录\Ridge regression.sps'. RIDGEREG DEP=因变量名 /ENTER = 自变量名（用空格分开）/START=0 /STOP=1[或其它数值] /INC=0.05[或其它搜索步长]/K=999 .
4、选择运行全部，得到各自变量岭迹图和决定系数R2与K值的关系图，在图上作参考线，取一岭迹平稳并且R2值较大的平衡点的K值；
5、将语法编辑器中的K值改为所选K值，再运行全部，得到详细的最终模型参数。
方法二：
可以直接在spss里面做，spss18里面已经比较完善了。
步骤如下：回归——》最优尺度——》规则化（里面有岭回归）。 参考技术A 岭回归之后 会给出一个 岭图 和 对应的K值范围。 岭回归跟普通回归不同，它不是给出一个明确的K值和回归系数值，而是给出一个K值的可能选择范围，然后需要你结合岭图 选择最佳的一个K值，并选择其对应的回归系数即可