spss分析中所有的系数都大于0

相关系数是不能确定因果关系的,比如一个人想知道身高与体重是否有关系才做相关分析.你想做的可能是简单一元回归分析,看自变量和哪个因变量拟合.有什么问题call我QQ409500841

晕,因为这些自变量都不能预测因变量,或者说和因变量都相关不显著.（调查问卷SPSS数据统计分析专业人士南心网提供）再问：我是用来做化合物结构活性影响因素的，那这些结果可以用来构建方程吗？再答：不显著就

_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：：说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关

说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的

因子得分系数矩阵可以直接的出来的,在得分（score）那个选项里面有显示因子得分系数矩阵那一项

不是很确定,当做抛砖引玉的.将各项目或者题目（是不是您所说的因素呢）得分相加获得总分,然后用被试在单一项目上的得分与总分做相关,就获得每个项目的区分度.效度做内容效度的时候一般都是文字论证分析,不做量

没有这么麻烦,很容易的：在Logistic回归主界面中同时选择月收入与受教育程度这两个变量（按住Ctrl键不放,用鼠标分别点击月收入与受教育程度）,然后点击>a*b>键就可以了.再问：你好，此外，我还

...你做的是Logistic回归...这和一般的二元线性回归是有差异的Logistic回归是针对因变量是定类变量设计的你这个数据根本不适合要求定类变量的意思就是这一问题的回答只具有分类意义,如性别只

这两个图都可以用来判断变量是否符合正态分布从第一个图上来看大致上符合正太分布,下面的pp图也可以证明是属于正态分布就这么一个意思

哪个自变量比较重要吗?看标化系数再问：是标准系数？那回归方程的话最后是用非标准化系数的B还是标准系数呢？谢谢~~~~(>_

这样好.系数为零的原假设很难成立.

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

因子分析法和主成分分析法都是降维处理多变量的回归问题,不同意楼上的说法,不是包含的关系.另外主成分分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体系不一样,因子

B也就是beta,代表回归系数,标准化的回归系数代表自变量也就是预测变量和因变量的相关,为什么要标准化,因为标准化的时候各个自变量以及因变量的单位才能统一,使结果更精确,减少因为单位不同而造成的误差,

如果L1L3的系数不显著的话,可以不必管它,因为相关系数本身就不高0.254和0.236.虽然是两两相关,但是相关系数包含了其他因素的影响,而回归方程中的系数表示控制了其他2个变量的影响后,该变量与因

累计贡献率一般需要达到80%以上,才可以,不知道你的因素之间是不是相关性很高

举个例子咯：总体方差解释如下,前三个成分对总方差解释超过85% 所以 选择1,2, 3Total Variance ExplainedComponen

TheR-Squaredtellsyouhowmuchyourabilitytopredictisimprovedbyusingtheregressionline,comparedwithnotusi

过程进行分析时,SPSS会自动对原始数据进行标准化处理,所以在得到计算结果中每个指标所对应的系数乘上第一主成分F1所对应的贡献率再除以所提取两个

SPSS在处理数据的时候,存在将相关性弱,或者存在多重共线性的变量进行删除的可能