spss中曲线估计应该看R方还是F值来判断哪个模型拟合的更好？

Question

模型y=a+bx1+cx2+dx3+u，x1是解释变量，x2,x3是控制变量
做线性回归分析后发现y与x1正相关但不显著，所以又用了spss中的曲线估计一起做了线性、二次的和三次函数，发现线性R方为0.011，F值为16.985，二次R方为0.012，F值为8.791，三次R方为0.012，F值为6.132，出现这样的情况怎么判断哪种模型更适合呢？

Answer 1

R值是你这个曲线的你和程度，就是有百分之多少和你样本曲线相似，F值是这个R值的明显程度，所以你只要看R的百分比大小就可以了。

从你做出的结果来看，都不合适啊，而且是明显不适合啊，解释变量的系数都不过0.5的，都不能用。

R方可以看做是相关百分比，百分比都低于20%的，F值又那么大，说明拟合很差，建议换其他几个线性公式试一下，SPSS应该会输出线性图表的。

曲线估计

线性回归不能解决所有的问题。尽管有可能通过一些函数的转换，在一定范围内将因、自变量之间的关系转换为线性关系，但这种转换有可能导致更为复杂的计算或失真。

如果线性模型不能确定哪一种为最佳模型，可以尝试选择曲线拟合的方法建立一个简单而又比较合适的模型。

Answer 2

R值是你这个曲线的你和程度,就是有百分之多少和你样本曲线相似,F值是这个R值的明显程度,所以你只要看R的百分比大小就可以了
.....从你做出的结果来看,都不合适啊,而且是明显不适合啊,解释变量的系数都不过0.5的= =!,都不能用.R方你可以把他看做是相关百分比,你的百分比都低于20%的,F值又那么大,说明拟合很差,建议你换其他几个线性公式试一下,SPSS应该会输出线性图表的,你看看你的样本曲线和拟合的曲线区别有多大,你最好做一下MEAN的分析,我怀疑LZ的样本数据中有某些值是变异值,你最好把这些值找出来删除再重做一下.

Answer 3

fewfwf