因子分析做回归分析原始数据怎么处理

很简单,用前进、后退或逐步法都行,一般用逐步法然后看整个模型是否有统计学意义,就是有回归和残差那项若有意义（P小于0.05）则继续看每个参数的P值若P值大于0.05,剔除～最后得方程模型当然还需要注意

要做的内容很多了,除了正态性、残差分布情况,还要计算多重共线性,然后得到模型,可能还要做预测我替别人做这类的数据分析蛮多的

不需要.数据的标准化处理在SPSS中是自动进行的.

这个可以在非线性回归中直接做,如果你不会,可以先将这些非线性模型转换成线性的再进行回归.比如第二个模型,你先将ln(8-Q)求出来,记作Y,然后再用Y=-kt进行线性回归,不知道你是否明白我的意思,这

打开Excel“工具”菜单的“加载宏”,选定“分析工具栏”,单击确定.打开“工具”菜单的“数据分析”,选定“回归”,单击确定.在y值输入区域中输入“$B$2∶$B$11”,在x值输入区域中输入“$C$

以Excel2010为例.1、“开发工具”选项卡中单击“加载项”组中的“加载项”按钮,打开“加载宏”对话框.如下图.勾选“分析工具库”.2、“数据”选项卡中“分析”组中的“数据分析”按钮,打开“数据分

用因子得分FAC1-1做回归,那个因子载荷阵是原变量与因子的相关系数,你可以参考网上的文献,另外新生成的因子是不相关的,不用做相关分析了

用福利的原始分数作为自变量进行分析是完全可以的.这个自变量的数据类型属于等距变量,即没有绝对零点但是有相等单位的数据.这种数据类型符合回归分析的数据要求.同时,如果觉得原始分数的代表性不是很强,也可以

不太懂你的意思,你描述的步骤没有问题.但按你说的,开始时候不纳入控制变量应该也是有作用的啊,怎么会回归系数不显著呢再问：开始的时候我纳入了控制变量啊，我把所有的变量一起弄进去做线性回归，各变量之间相关

analyse——generallinearmodel——univariate,选择plot,将要分析的两个要素,自变量,因变量分别ADD到横纵坐标中,就可以做交互作用出散点图.

R2=0.8876,拟合效果良好F值为68.46268,对应P值为0,说明整个方程通过显著性检验DW值为0.611,说明存在自相关现象

一般来说,因子分析所形成的因子都是自变量,因为因子分析所得到的因子地位是相同的,不应该做因子间的因果关系分析,而应该做这些因子对其他变量的影响或被其他变量所影响.假设因子分析所得到的因子为a1a2……

只要你熟懂因子分析的原理你就可以看明白每个选项的意思以及处理的结果如果不会分析我可以帮你分析

统计可以用很科学很复杂的方式去处理,也可以简单化的处理,主要看你数据的用途,如果不是需要发表论文之类,可以按以下简单方式来操作,spss的回归过程,已经包含了验证.1、在spss里把A、B、C、D四个

依次点击analyze-regression-linear,选择好自变量independent和因变量dependent,点击OK.输出结果……

X=[1146811141721]'Y=[2.493.303.6812.2027.0461.10108.80170.90275.50]'X=[ones(9,1),X][b,bint,r,rint,st

这样给你解释虚拟变量吧,不然按照原理也说不清楚虚拟变量是需要自己进行转换的就相当于你把年级分成5列变量,分别是是否1年级、是否2年级、是否3年级、是否4年级、是否5年级,然后赋值时就是全部用0和1编码

可以解释但是一般使用主成分与因变量y进行回归分析的比较多通过这种回归分析可以更加清晰的看出之间的关系

表一的r值是复相关系数,r方是决定系数,r方表示你的模型可以解释百分之多少的你的因变量,比如你的例子里就是可以解释你的因变量的百分之八十.很高了.表二的sig是指你的回归可不可信,你的sig是0.00

有关统计学中的定义全是术语,其实根本用不着这么复杂.我就跟你简单说说怎么看回归结果吧!首先,t值和p值反应了对应回归系数的显著水平,这两个指标是一一对应的,t值越大p值越小,一般来说你只用看p值就可以