请高手帮忙分析下SPSS的多元线性回归结果吧~急啊~~~

下面是线性回归出来的四个图。。。看不懂啊。。。请高手帮个忙,是写在论文里的,所以请稍微详细点说说吧~主要是三个变量和Y的拟合度怎么样,如何看的~~谢谢了~~~

Variables Entered/Removed(b)
Model Variables Entered Variables Removed Method
1 X3, X2, X1(a) . Enter
a All requested variables entered.
b Dependent Variable: Y

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .823(a) .678 .664 4.60955
a Predictors: (Constant), X3, X2, X1

ANOVA(b)
Model Sum of Squares df Mean Square F Sig.
1 Regression 3170.063 3 1056.688 49.731 .000(a)
Residual 1508.604 71 21.248
Total 4678.667 74
a Predictors: (Constant), X3, X2, X1
b Dependent Variable: Y

Coefficients(a)
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) -4.517 1.517 -2.978 .004
X1 -2.79E-005 .000 -.144 -.174 .863
X2 .076 .008 .693 9.355 .000
X3 7.40E-005 .000 .398 .483 .631
a Dependent Variable: Y
图片

第1个回答  2010-05-30
你的回归方法是直接进入法
拟合优度R方等于0.678,表示自变量可以解释因变量的67.8%变化,说明拟合优度还可以。
方差检验表中F值对应的概率P值为0.000,小于显著度0.05,因此应拒绝原假设,说明自变量和因变量之间存在显著的线性关系。
参数检验表中只有自变量X2和常数项的概率P值为0.000,小于显著度0.05,而自变量X1和X3的概率P值大于显著度0.05,说明只有自变量X2对因变量在总体中存在显著的线性关系,X1、X3和因变量在总体中不存在显著的线性关系。
得到的线性方程为:y=-4.517-0.000028X1+0.76X2+0.000074X3(记住这里用的是直接进入法进行拟合方程的,所以即使X1和X3没通过检验,也要放到方程中去)本回答被提问者采纳

请高手帮忙分析下SPSS的多元线性回归结果吧~急啊~~~
你的回归方法是直接进入法 拟合优度R方等于0.678,表示自变量可以解释因变量的67.8%变化,说明拟合优度还可以。方差检验表中F值对应的概率P值为0.000,小于显著度0.05,因此应拒绝原假设,说明自变量和因变量之间存在显著的线性关系。参数检验表中只有自变量X2和常数项的概率P值为0.000,小于显著度0...

请高手帮忙分析下SPSS的多元线性回归结果吧~急啊~~~
回归模型总体显著,通过F检验的表格可知,同时各个自变量也都对因变量有显著预测作用,从最下面的表可知。但是回归模型拟合效果很差,只有0.003,可以说非常差,建议你重新换一个模型拟合看效果

求大神帮忙分析下SPSS多元线性回归结果吧~~~急急急。。。
第一个表格是模型摘要,说明模型的总体拟合度 第二个表格是模型方差检验,说明模型是否显著 第三个表格就是具体回归系数的检验

太详细了!!SPSS多元线性回归数据结果解读
在多元线性回归分析中,首先需查看模型摘要,此表聚焦于评估模型的拟合度。关注R方和调整后的R方值,理想情况下,两者越接近于1,说明模型拟合度越高。然而,R方值虽重要,却并非决定性指标。小的R方值并不完全意味着方程拟合效果不佳,这可能因变量Y变化较小,主要是由X变量引起。当直线方程与X轴...

请教下这个SPSS的多元线性回归结果
beta为b的标准化回归系数。T为用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。SigT为t值对应的P值,以跟α=0.05做比较。如本题只有x2的有意义(因为它的sigT=0.0144小于0.05)第2个问题的sigF=0.001,小于0.05,说明拒绝无效假设H0,接收H1,说明该回归模型成立,而不是不成立。

哪位帮我看看这个spss,多元线性回归分析结果? 是不是分析错了,太奇怪...
SPSS的多元线性回归的过程应该不会错。不过可能有其他问题。1,可能有数据的问题,多元回归要求数据是正态分布,并且数据量较大(20倍);2,多元回归可能会有共线性的问题,在计算的时候加入共线性检验,一般VIF值小于20就证明模型能通过共线性检验。不过稍微比20大一点也没什么关系。希望能帮到你 ...

如何解释SPSS多元线性回归结果?
多元线性回归结果显示的P值是什么意思啊?P值也称显著性值,或者Sig值,用于描述某件事件发生的概率情况,其取值范围介于0到1之间,不包括0或者1。通常情况下P值有三个标准,分别是0.01,0.05和0.1。如果P值小于0.01即说明某件事情的发生至少有99%的把握,如果P值小于0.05(并且大于0.01)则...

SPSS多元线性回归输出结果的详细解释
SPSS多元线性回归输出结果的详细解释 先说一句题外话,如果当年在大学里数理统计等课程结合SPSS,SAS,R等软件来讲,应该效果会好很多。最近做了一些用SPSS进行线性回归的实验,还是感觉很多细节把握不好,这里结合我的实验结果,以及网上别人的介绍总结一下,先贴几张SPSS的输出:下面简单解释一下这三张图中...

SPSS多元线性回归的结果如何解读?
多元线性回归的结果如何解读?举个例子进行说明。在“工资影响因素”的调查问卷中,调查了每个人的起始工资、工作经验、受教育年限、受雇月数、职位等级以及当前工资六个方面。目的是建立以当前工资为因变量的回归模型,并得出结论。模型结果 从上表可知,将起始工资,受教育年限,工作经验,职位等级作为自变量...

SPSS回归分析-多元线性回归模型分析案例解析
多元线性回归模型是研究多个自变量如何共同影响一个因变量的统计方法,它与一元回归的区别在于涉及的因素更多。其基本方程形式可以表示为:在SPSS中,分析汽车特征与销售量的关系时,首先打开“分析”->“回归”->“线性”界面,将“销售量”设为因变量,如车长、车宽、耗油率等10个变量设为自变量。选择“...

相似回答