SPSS 里的F

k为自变量个数,n为样本含量n-k-1为自由度比如总共有10个人.则n=10每个人检测自变量x有：血压、体重、腹围.则k=3因变量y为：是否患有某病.需要做血压、体重、腹围和是否患有某病之间的回归关系

理论上来说p值是越小,差异性越显著0.01或0.05是统计学上一般的常用数字但是具体到不同的学科,可能要求不一样不过现在一般通用的还是0.05级0.01

方差齐性检验的f和p值就是看上面一栏方差分析就看下面一栏所以,用哪一个,取决于你要看什么

AnalyzeOfVAriance方差分析,是对两组以上度量数据进行平均数差异显著性检验.

对于二维随机向量(x,y),定义函数(x-Ex)(y-Ey)的数学期望为x与y的协方差记作：cov(x,y)=E(x-Ex)(y-Ey)根据定义可直接计算,x={14,5,9},y={2,3,6}x1

F检验说明你的众多自变量和你的因变形是有显著性影响的,可以做回归分析.但是并不是说每一个自变量都和因变量有显著性影响,所以要对每一个自变量T检验,T检验不合格说明该自变量对因变量没有显著性影响,一般做

不同分析方法里面的F值是有些差别的含义的,当然本质上都是属于方差分析的原理.比如就是在方差分析中,可以理解为F值越大,差异越显著,但还是要先看sig的值是否显著,如果sig没有达到显著效果,即使F再大

“*”对应的是显著性水平.如果我没有记错的话,“**”代表在0.01显著性水平下显著；“*”代表在0.5显著性水平下显著,“.”代表在0.1的显著性水平下显著.你看到的参考文献带“*”,说明它在0.0

当然有意义.F值对应的SIG>0.05,则表示回归方程是无效的.

我不知道F值是什么,但logsitic分析得出的结果就那几个,B值不是,EXPB也不是,95CI也不是,SX也不是,剩下的就是wald值了.所以F值就是wald值.希望对你有所帮助.

方差分析只能判别该因素是否存在显著影响,而不能通过之间的F值来判断影响效果的大小关系,F值的大小和对应的概率值大小说明的是一个意义,而且对于不同的F值大小,存在不同的自由度,而不同的自由度之间是不能相

spss方差分析时,输出的F值不带“*”.你看到有的文献上有带“*”的f值,那是人为标上去的,用于提示读者注意这个f值已经超过了预定的临界值（国内文献的方差分析多为手工计算,无法计算f值所对应的P值）

normality大于.05能用pearson来分析关系但是你这线性回归说明的问题不一样,但是对于一个自变量来说是等价的,也就是你这2变量没有相关性再问：那我之前分析correlation的时候sig

这个结果被你弄的好难识别啊……不过还是可以得到常数项为500.726,b1为0.979

你的问题太多了,简练明了一些吧我替别人做这类的数据分析蛮多的

主因子?你是主成分分析呢还是因子分析呢?1.如果是主成分分析,综合得分是自己算的,即factor做完之后（得选在factoranaylsis界面选中scores中的displayfactorscore

可以的,但需要加单引号.对于你描述的情况,应该写成gender='男性'就可以了.注意单引号应该是英文状态下的单引号,中文状态下的单引号是不可以的.

你再用SPSS做回归时,在选择因变量与自变量的那个窗口的右边,有“选项”这个按钮,点进去有选择是0.05还是其他数值,默认的应该是0.05

很正常的情况不用怎么办我替别人做这类的数据分析蛮多的

F值不知道呢P可以这样描述：矫正模型显著性为XXX,即该模型是显著/不显著的.从因素的显著性水平为XXX,表示拒绝/不拒绝原假设,即α1,α2,α3……中至少有一个不等于0/不拒绝α1,α2,α3……