spss 做回归分析，如果变量F不显著，但是R方显著，我还可以说这个模型拟合的好么？

Answer 1

是的，做这个本来就是慢慢试，直到达到最佳效果。

　　可以尝试着先绘制下散点图，看会不会用其他曲线拟合的效果会更好，很多时候数据用线性和一些非线性拟合后都会有显著效果，但是不一定是最佳的，所以需要判断自变量和因变量之间关系是否符合线性。

　　如果仍然是符合线性趋势，但是只有这么一个自变量的话，那就没有办法优化了，如果还有其他自变量，可以尝试着引入之后 再看回归效果。

　　回归的时候实际上是有六个特征的，但是由于sig值大于0.05SPSS自动排除了这些特征。可以用这些特征的线性组合得到新的特征再试试。

　　

Answer 2

不要听楼上的2乱说，R²怎么就没有显著性了！？

我来告诉你，如果你的变量f不显著，说明f对因变量没有影响作用，但是你的R²确实显著了，说明你还加入了别的自变量或者控制变量的！对吧！所以，结论就是你的方程/模型中显著的那些自变量的变化影响了因变量的变化，所以是可以说你的R²显著的！！！！

当然，我们平常一般都看adj R²，因为小样本会引起R²的高估！

另外，二楼的也是2，都不问你研究的是什么学科，就在那说R²大于多少就是好的。。。一般在以心理学为基础的社会学科的研究中，例如营销、人力资源等科目，那么R²大于0.4就不错了，因为人的心理是很难预测的，是有很多难以囊括的变量的。如果是类似金融等类型的学科，那好坏的判断标准就要高得多！这个你自己考量！

Answer 3

这个与R Square是没有关系吧,R Square只说明模型能解释的能力有多大
评价模型拟合的优劣还是用F检验的

Answer 4

拟合好坏r2大于0.4
f检验显著

Answer 5

恕我直言，搞了6年科研，我才第一次听说R方还有显著不显著这么一说，显著性是统计检验量的大小和对应的标准来决定的，常见的统计检验量是F统计量、t统计量，卡方统计量，WALD统计量等等，这些统计量与对应的判定标准相比较就能判别是否显著，但为了减少查表等繁琐的操作，统计量的显著性都有对应的p值（即伴随概率）辅助判定，t值是否显著表达的是变量是否对y有影响，F是否显著表达的是整个模型是否整体上对y有影响，如果F不显著，证明你的模型就是一个不合格的模型，一般而言，F显著，某些t不一定显著，F不显著是很难出现的。至于R方是否显著，我只能说，没有检验R方显著程度的统计量，因此R方不存在是否显著一说，我们也不过多关注R的大小，也不通过比较R方判定模型的好坏，只要其他检验通过模型就是一个好模型。