多元回归 变量俩个维度对因变量影响大小

Linearregressionanalysisisastatisticalmethodusedtodeterminetheimpactoilevariable(oragroupofvariables

多元回归中,自变量对因变量有没有影响,影响大小,主要看显著性检验,即P值.P值小于0.05,则通过了检验,认为该因素对因变量有显著影响.对于通过了影响的自变量,如果要比较哪个影响大,哪个影响小,除了看

你这么做肯定不行的,看看降维的分析吧,综合一下变量再问：降维分析用什么软件做啊怎么做啊再答：spss就能做啊，需要代做吗？再问：问题是降维分析能够显示出两变量见的像回归那样的线性关系吗比如有R方一些数

在回归分析模型Y=β0+β1X+ε（一元线性回归模型）中,Y是被解释变量,就称为因变量.X是解释变量,称为自变量.表示为：因变量Y随自变量X的变化而变化.协变量是指那些人为很难控制的变量,通常在回归分

你这个可以用sem来做普通ols做不了的另外,你要搞懂什么叫做多重回归,什么叫做多元回归,我经常做这类的数据统计分析

如果自变量里面的分类变量是只有两个分类的,那你就把它跟其他定量自变量一起挪到自变量对话框就可以的如果分类变量超过两个分类,有3个或以上时,需要实现设定哑变量或者是叫做虚拟变量.这个需要自己重新编码,就

你3个自变量没有意义,当然不进入方程了,要进入选进入法再问：首先感谢您的回答，谢谢！朋友，是这样的。我需要一个模型用来预测研究对象，当初设想的是五个影响因素都要用到预测方程中，如果方程中少了其中几个变

建议使用逐步回归,这样可以排除不显著的变量

如果是非常不显著,建议删除,其它情况比如15%的水平下是显著的,建议保留,这得根据实际问题来.可以试着先将最不显著的剔除掉,再看看方程,也许就会出现显著系数增多的情况,建议一个个删除.

可以~回归以后再看是否出现自相关、异方差、多重贡献等问题,再修正就行了~再问：我在spss里面用的逐步回归，这个变量进了回归方程，可是和自变量的相关性很低，所以不知道可行不可行！再答：首先逐步回归应用

我觉着你分析的时候要么都标准化,要么就都采用为标准化之前的数据进行分析

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……

因变量是千位,自变量是亿都没有问题,自变量大小对因变量不会有什么影响,关键是看数据本省有无突变,是两组数据的变化特征是否一致的问题,不能从数据大小来判定,相关性不高,是指标选取或指标变化与因变量不一致

1.不知道你的是什么量表,一般心理学的量表都有一定的计算方法来计算x和y的值,也就是虽然那么多项目和纬度,但是有方法计算出一个值来2.另一种方法就是用主成分分析,先计算出x和y的主成分,然后使用典则相

嗯,在分类变量中包括二分类的变量和多分类的变量,其中二分类的变量改成虚拟变量,只要将一类赋值为0,另一类赋值为1就可以了,0作为对照组；如果是多分类的变量,改成虚拟变量时,需要设立分类数减1的虚拟变量

多元回归分析中,要求所有变量须为等距尺度(或译区间尺度,intervallevelofmeasurement),或者是“0/1”(自变量).如果变量的值仅属名目尺度(nominal),亦即“1,2,3

能做回归.设成LNp/1-p形式因为p的范围是0--1,不能做回归,设成LNp/1-p形式负无穷到正无穷.就可以了.

因为你原来的方程模型肯定是道格拉斯模型.W=C×exp(bE)×exp(cX)×μ为了回归分析,就左右取对数,如此连乘变成连加也就是线性.等到你得出回归值a尖,b尖,c尖,带回原方程就好了.取对数是计

虚拟变量,你可以试试0-1这样的虚拟变量,含0的,对应的y低,含1的对应的y高（假设正相关）.其实主要看你的虚拟变量打算加在哪里,加在常数项就这么做,加在系数项的话就是另外一组数据了.你可以先写个含虚

有什么怎么办的?那结论就是不大了啊,你还要纠结什么?非要把女人说成男人吗?