1樓：匿名使用者
你把結果**截圖發上來啊
2樓：匿名使用者
logistic迴歸的解讀內容較複雜。可閱讀此文章：網頁連結
spssau分析的時候有智慧文字分析會對你產生幫助。
spss中迴歸分析結果解釋，不懂怎麼看
3樓：中子
首先來說明各個符號，b也就是beta，代表迴歸係數，標準化的迴歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對迴歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.05一般被認為是係數檢驗顯著，顯著的意思就是你的迴歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
迴歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗，如果sig<0.05,說明至少有一個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的迴歸係數是否顯著，每個自變數都有一個對應的迴歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表迴歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的一個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
希望對您有用
4樓：匿名使用者
看coeffuenthesig即可，
logistic迴歸分析結果解讀
5樓：匿名使用者
第一：對模型整體情況進行說明，比如對r方值進行描述，以及列出模型公式。
第二：逐一分析x對於y（相對於的對比項）影響情況；如果x對應的p值小於0.05則說明x會對y（相對於的對比項）產生影響關係，此時可結合or值進一步分析影響幅度。
第三：總結分析結果。
以及可結合輸出的智慧文字分析，進行解讀。
6樓：匿名使用者
不知道你是否聽說過辛普森悖論，瞭解這個玩意也許能解決你的問題，如果需要在考慮a而不分析a，如果a是離散的，將不同a不同取值放入不同的模型中，然後分析其他變數。如果a是連續的，，，那就複雜一點。。。。。
7樓：七彩虹科技****
logistic迴歸主要用於危險因素探索。因變數y為二分類或多分類變數，自變數既可以為分類變數，也可以為連續變數。 迴歸分析**法，是在分析市場現象自變數和因變數之間相關關係的基礎上，建立變數之間的迴歸方程，並將迴歸方程作為**模型，根據自變數在**期的數量變化來**因變數關係大多表現為相關關係，因此，迴歸分析**法是一種重要的市場**方法，當我們在對市場現象未來發展狀況和水平進行**時，如果能將影響市場**物件的主要因素找到，並且能夠取得其數量資料，就可以採用迴歸分析**法進行**。
它是一種具體的、行之有效的、實用價值很高的常用市場**方法。
8樓：土行仔
不一定！這取決於因變數的編碼，情況十分複雜：
假如，因變數編碼為1時代表無病，2代表有病，那麼偏回歸係數為負就說明是保護性因素；如果編碼為1時代表有病，2代表無病，那麼偏回歸係數為負就說明是危險因素，正好與前面的說法相反！注意，這個說法僅僅對於自變數為連續變數者（如體重、年齡、身高等）而言。
因此，在spss的logistic迴歸分析中，因變數編碼十分重要，總結以上規律不難發現，logistic迴歸預設因變數編碼小者為對照分類（或稱參考分類）。
對於自變數為分類變數者（如性別、婚姻狀態等）而言，偏回歸係數的符號不但取決於因變數編碼，還取決於自變數的對照分類（或稱參考分類）的設定，這個設定使用者是可以調整的，系統預設編碼最大者為對照分類（或稱參考分類），這個情況你可以在分析結果的引數估計表中看到。因此，在因變數編碼為1時代表無病，2代表有病預設設定下，如果自變數也採用預設設定，那麼某一偏回歸係數為負就說明，相對於自變數的對照分類而言，該自變數分類為保護性因素，其他情況可以類推。
以上回答你滿意麼？
spss二元logistic迴歸分析，結果如下，變數係數怎麼看，或者回歸方程式什麼？
9樓：匿名使用者
很遺憾的告訴你，你這研究失敗了
二元logistic迴歸分析，應該說所有迴歸分析，最重要的係數是sig，或者平時我們叫p值，需要小於0.05才能說明有顯著性影響，你這個所有p值高的接近1，都是毫無意義的資料
置於你說的迴歸方程問題，迴歸係數一般是b值，不過logistic迴歸分析是對數分析法，所以一般看exp（b），也就是我們所說的or值
10樓：匿名使用者
你這全是亂作的，怎麼寫啊
找我專業資料分析
11樓：匿名使用者
不會做就別亂做
我經常幫別人做這類的資料分析的
請教spss迴歸分析結果解讀
12樓：匿名使用者
首先看 方差分析表 對應的sig 是否小於0.05，如果小於0.05，說明整體迴歸模型顯著，再看下面的迴歸係數表，如果這裡的sig大於0.
05，就說明迴歸模型不顯著，下面的就不用再看了。
其次，在迴歸模型顯著的基礎上，看調整的r方，是模型擬合度的好壞，越接近1，說明擬合效果越好。這個在一般做**中，不需要管它的高低，因為**重在研究方法和思路的嚴謹性，導師不會追究你的結果是對是錯，你的資料本身就不一定有質量，所以無所謂，不必在意。
第三 看具體迴歸係數表中每個自變數 對應的sig值，如果sig小於0.05，說明該自變數對因變數有顯著**作用，反之沒有作用。
13樓：中子
說明一下各個符號，constant的意思是常量，實際上就是迴歸方程的截距，也就是自變數為0時因變數的取值，如果你的方程是標準化的，且因變數是正態分佈的，那麼常量會變成0，也就是沒有截距。b也就是beta，代表迴歸係數，標準化的迴歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對迴歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.
05一般被認為是係數檢驗顯著，顯著的意思就是你的迴歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
迴歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行迴歸的所有自變數的迴歸係數的一個總體檢驗，如果sig<0.05,說明至少有一個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的迴歸係數是否顯著，每個自變數都有一個對應的迴歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表迴歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的一個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
標準誤表示由於抽樣誤差所導致的實際值和迴歸估計值的偏差大小，標準誤越小，迴歸線的代表性越強
希望對您有用
spss多元線性迴歸，結果的標準差 000，t值和p值都只有個小數點。求解
原因就是你不懂多元迴歸，但是亂在spss裡面點，所以會出現很多莫名其妙的提示 我經常幫別人做這類的資料分析的 在用spss做一個線性迴歸分析，結果如圖，r方很低，但是顯著性都還可以。問題是這個模型 效果很差。你可以嘗試著先繪製下散點圖看看 會不會用其他曲線擬合的效果會更好，很多時候資料用線性和一些非...
eviews迴歸結果分析，這個結果怎麼分析，沒有是顯著的
沒分析的必要的，因為f統計量的伴隨概率p已經是0.36了，整體不顯著！怎麼從eviews迴歸分析結果中看出有沒有顯著影響 10 模型中解釋變數的估計值為 0.466102，標準差是0.069349,標準差是衡量回歸係數值的穩定性和可靠性的，越小越穩定，解釋變數的估計值的t值是用於檢驗係數是否為零的，...
spss線性迴歸分析結果怎麼看,spss迴歸分析結果怎麼得出迴歸結果
model summary 是對模型擬合效果的總結，r是相關係數，r2是決定係數，係數越大表面擬合效果越好。anova是方差分析，然後f檢驗 coefficients就是迴歸結果，得到的迴歸方程的係數 spss迴歸分析結果怎麼得出迴歸結果 首先要f檢驗，如果f值右上角有 號，說明迴歸分析通過f檢驗，...