spss的解释的总方差结果解释

用lsd前要先做方差齐性检验,不齐的话不能用方差齐性检验在Options---Homogeneityofvariance中,看结果p是否大于0,05是的话可以用lsd分析.当然得先建数据,你只有一组数

有涨“TotalVarianceExplained”的表格,第二列、排在前面的是大于1的那列是特征值,后面那列“%ofvariance”是解释方差.总体解释方差就是把你想要的几个主成分的解释方差累加就

这个是只能用方差分析来验证的

不一定!这取决于因变量的编码,情况十分复杂：假如,因变量编码为1时代表无病,2代表有病,那么偏回归系数为负就说明是保护性因素；如果编码为1时代表有病,2代表无病,那么偏回归系数为负就说明是危险因素,正

独立样本T检验结果中含两种检验：方差齐性（Levene）检验和均值T检验.方差齐不齐是判断用哪一种方式分析两样本的差异性,与两样本有无差异无关.是否具有差异性只要看相对应的T检验的sig.值即可.所以

那些和其他变量相关性都很小的变量就是解释方差很小的变量,或者从旋转载荷矩阵表上来看,那些变量在各个成分上的载荷都小于0.5,就是解释方差很小的变量,应该剔除,这样就可以提高KMO值了.

Eξ是你的数学期望,是一个具体的数比如xabcp0.10.80.1则：EX=0.1a+0.8b+0.1cξ单独就是指自变量,比如你扔色子,ξ表示就掷得的点数,而不是数列D乘ξ的平方是要一个个加起来的.

很直观吧,67415是一类,往上就是他们和2一类,在往上就是前面那些和8又是一类,在往上就是所有的合并一大类了,每个分叉其实就是表示分类的等级关系.再问：那丙是和所有的一类吗再答：是的，在最大的分类等

首先要说明的是,因子分析是用来降维的.比如你有很多变量,用这么多变量来解释另一个变量,显得有点复杂,但是如果能找到其它的几个少量的变量来代替这些变量来进行下一步的分析,这就要用到因子分析.它运用了数学

这些值实在是太小了,只能用科学计数法表示,如果换成一般的数字,现实的结果都是0.而且这些数值对于你下面的分析一点用处都没有,所以不必为此纠结.

单样本t检验就是用于检验一列变量均值与某一特定数字间有无统计学差异.结果主要看最后那个表,一是看t值,二是看sig（双侧）,若sig

你自己根据各个因子中哪个或哪些变量的系数大来命名即可

我自己的理解是alpha=0.05的子集里面每一列中包含的数据之间的差异是不明显的,其显著性大于0.05并被标注在最下方.而不同的子集之间的差异是明显的,小于0.05.并且我的图是按照从小到大的顺序进

一般资料看上面的那个,0.020,小于0.05,统计学差异显著.再问：也就是说看sig（双侧）上面那个值就行了？小于0.05为显著？请问第一个sig0.252是什么意思啊，还有假设方差不想等那一行的s

配对设计t检验就是比较两组均数的差别主要还是看p值,也就是sig不过,前提是你要会用配对t检验,不要用错方法了我经常帮别人做这类的数据分析的

1.Cronbach'sAlpha系数即克朗巴哈α值为0.8222.Cronbach'sAlphaBasedonStandardizedItems是0.825即项目平均值为0.8253.上述两项问卷信

相关系数r=-0.075,负相关,但从P=0.715＞0.05来看,很显然两变量间没有统计学相关性.此类SPSS数据统计分析问题均可＋名里我QQ来给你代处理一下.

方差齐性（ANOVA）检验结果显示为不显著的,大于0.05,即通过了方差齐性检验,这与lsd的检验室没关系的

大于70就行了再问：有啥说头么？比如大于85%是啥大于70%是啥感激不尽啊再答：反映原始资料信息的百分70，足够了

你的结果不太好,累积贡献率只有60.68%.一般要求85%以上才有意义.再问：贡献率是culmulative？如果数据现在是这样的话...应该怎么看：1那些因子怎么分的？2在spss上怎么操作来把原来