1樓：ieio啊
r square是決定係數,意思是擬合的模型能解釋因
變數的變化的百分數,例如r方=0.810,表示擬合的方程能解釋因變數81%的變化,還有19%是不能夠解釋的.
f值是方差檢驗量,是整個模型的整體檢驗,看你擬合的方程有沒有意義
t值是對每一個自變數（logistic迴歸）的逐個檢驗,看它的beta值β即迴歸係數有沒有意義
f和t的顯著性都是0.05,
spss是世界上最早的統計分析軟體，由美國斯坦福大學的三位研究生norman h. nie、c. hadlai (tex) hull 和 dale h.
bent於2023年研究開發成功，同時成立了spss公司，並於2023年成立法人組織、在芝加哥組建了spss總部。
決定係數，有的教材上翻譯為判定係數，也稱為擬合優度。表示可根據自變數的變異來解釋因變數的變異部分。如某學生在某智力量表上所得的 iq 分與其學業成績的相關係數 r=0.
66，則決定係數 r^2=0.4356，即該生學業成績約有 44%可由該智力量表所測的智力部分來說明或決定。
原理：表徵依變數y的變異中有多少百分比,可由控制的自變數x來解釋.
決定係數並不等於相關係數的平方。它與相關係數的區別在於除掉|r|=0和1情況，
由於r2決定係數：在y的總平方和中，由x引起的平方和所佔的比例，記為r2
決定係數的大小決定了相關的密切程度。
當r2越接近1時，表示相關的方程式參考價值越高；相反，越接近0時，表示參考價值越低。這是在一元迴歸分析中的情況。但從本質上說決定係數和迴歸係數沒有關係，就像標準差和標準誤差在本質上沒有關係一樣。
在多元迴歸分析中，決定係數是通徑係數的平方。
表示式：r2=ssr/sst=1-sse/sst
其中：sst=ssr+sse，sst (total sum of squares)為總平方和，ssr (regression sum of squares)為迴歸平方和，sse (error sum of squares) 為殘差平方和。
注意：以下不同名字是同一個意思，只是表述不同
迴歸平方和：ssr(sum of squares for regression) = ess (explained sum of squares)
殘差平方和：sse（sum of squares for error） = rss (residual sum of squares) =ssr(sum of squared residuals)
總離差平方和：sst(sum of squares for total) = tss(total sum of squares)
注意：兩個ssr的不同
sse+ssr=sst
rss+ess=tss
意義：擬合優度越大，自變數對因變數的解釋程度越高，自變數引起的變動佔總變動的百分比高。觀察點在迴歸直線附近越密集。
取值意思：
0 表示模型效果跟瞎猜差不多
1 表示模型擬合度較好（有可能會是過擬合，需要判定）
0~1 表示模型的好壞（針對同一批資料）
2樓：人文漫步者
在對資料進行迴歸計算分析的過程中，這些數字分別代表的就是這一個迴歸方程的準確度，也就是對資料**的準確度。
3樓：匿名使用者
r方是評價的主要指標，f值，t值是兩個檢驗，一般要小於0.05.
你可以自學下，實在沒時間可以找我
spss迴歸分析t、f值分別代表什麼呀？
4樓：統御近距離
r方為決定係數，即擬合模型所能解釋的因變數的變化百分比。例如，r方＝0．810，說明擬合方程能解釋因變數變化的81％，不能解釋的19％。
f是方差檢驗，整個模型的全域性檢驗，看擬合方程是否有意義
t值是對每個自變數進行一個接一個的檢驗（logistic迴歸），看其beta值，即迴歸係數是否有意義
f和t的顯著性均為0．05，
迴歸分析在科學研究領域是最常用的統計方法。《spss迴歸分析》介紹了一些基本的統計方法，例如，相關、迴歸（線性、多重、非線性）、邏輯（二項、多項）、有序迴歸和生存分析（壽命表法、kaplan－meier法以及cox迴歸）。
spss是世界上最早的統計分析軟體。2023年，斯坦福大學的三位研究生normanh．nie，c．hadlai（tex）hull和daleh．bent成功地進行了研究和開發。同時成立了spss公司。
擴充套件資料：
原理：這種表示取決於變數y中可由控制變數x解釋的變化百分比。
決定係數不等於相關係數的平方。這個和相關係數之間的區別是如果你去掉｜，r｜等於0和1，
由於r2
決定係數：在y的平方和中，x引起的平方和所佔的比例為r2
相關程度由決定係數的程度決定。
在多元迴歸分析中，決定係數為路徑係數的平方。
表示式：r2＝ssr／sst＝1－sse／sst
其中：sst＝ssr＋sse，sst （total sum of squares）為總平方和，ssr （regression sum of squares）為迴歸平方和，sse （error sum of squares） 為殘差平方和。
5樓：匿名使用者
t值、f值都是判斷顯著性的過程值，重點看p值即可。
f值用於判定模型中是否自變數x中至少有一個對因變數y產生影響,如果呈現出顯著性（看p值）,則說明所有x中至少一個會對y產生影響關係。
t值用於判斷每個自變數的顯著性，如果顯著則說明該變數對模型有顯著影響。
可是使用spssau進行分析，直接得出文字結果及標準格式資料。
6樓：匿名使用者
r表示的是擬合優度，它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。但是，你的r值太小了。
t的數值表示的是對迴歸引數的顯著性檢驗值，它的絕對值大於等於ta/2(n-k)（這個值表示的是根據你的置信水平，自由度得出的數值）時，就拒絕原假設，即認為在其他解釋變數不變的情況下，解釋變數x對被解釋變數y的影響是顯著的。
f的值是迴歸方程的顯著性檢驗，表示的是模型中被解釋變數與所有解釋變數之間的線性關係在總體上是否顯著做出推斷。若f>fa(k-1,n-k),則拒絕原假設，即認為列入模型的各個解釋變數聯合起來對被解釋變數有顯著影響，反之，則無顯著影響。
如果，你只改r值，我想是可以看的出來的。你的f的值和t的值都是有問題的，如果只改r值，怎麼可能在f的值和t的值都不合理的情況下，擬合優度卻突然變的很高。
7樓：陶李昶
首先r太小
f值是整個迴歸模型的顯著性
t是各個自變數的顯著性
你這裡沒有給出各個自變數的，你可以把裡面的迴歸不好的自變數剔除掉再回歸試試
另外sig太大了，你這模型是無效的
8樓：謙瑞資料論壇
1、r方是代表擬合度的，一般而言，財務資料或者經濟類資料，擬合度要到50%才算是擬合較好，你的這個運算結果r方只有0.171，即擬合只有17.1%，擬合是不太好的。
2、線性迴歸運算結果中的anova分析，本質上是檢驗整個迴歸方程是否顯著，即整體而言，參與本次研究的自變數是否可以顯著影響因變數。按照你的運算結果，anova檢驗得出的f值和p值結果不好，p>0.05，意味著整體而言，你的模型無效，即自變數不能顯著影響因變數。
3、迴歸係數表coefficients，裡面的t檢驗是檢驗迴歸係數是否顯著的，即某一個自變數是否可以顯著影響因變數，是通過t檢驗實現的；前面的anova中的f檢驗是檢驗整體而言所有自變數是否可以顯著影響因變數的。按照你的資料，只有「自然人持股比例」的迴歸係數通過了t檢驗，p=0.031<0.
05，但是僅僅只有這一個自變數顯著影響因變數是沒有多大作用的，因為結合擬合度不好，且整體迴歸方程不顯著（f檢驗沒通過），你建立的這個迴歸方程是無效的。
spss 多元線性迴歸分析 幫忙分析一下下圖，f、p、t、p和r方各代表什麼？？謝謝~
9樓：薔祀
f是對迴歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明迴歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著。
擴充套件資料：
多元線性迴歸的基本原理和基本計算過程與一元線性迴歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要藉助統計軟體。這裡只介紹多元線性迴歸的一些基本問題。
但由於各個自變數的單位可能不一樣，比如說一個消費水平的關係式中，工資水平、受教育程度、職業、地區、家庭負擔等等因素都會影響到消費水平，而這些影響因素（自變數）的單位顯然是不同的，因此自變數前係數的大小並不能說明該因素的重要程度。
更簡單地來說，同樣工資收入，如果用元為單位就比用百元為單位所得的迴歸係數要小，但是工資水平對消費的影響程度並沒有變，所以得想辦法將各個自變數化到統一的單位上來。前面學到的標準分就有這個功能。
具體到這裡來說，就是將所有變數包括因變數都先轉化為標準分，再進行線性迴歸，此時得到的迴歸係數就能反映對應自變數的重要程度。這時的迴歸方程稱為標準迴歸方程，迴歸係數稱為標準迴歸係數。
spss for windows是一個組合式軟體包，它集資料整理、分析功能於一身。使用者可以根據實際需要和計算機的功能選擇模組，以降低對系統硬碟容量的要求，有利於該軟體的推廣應用。spss的基本功能包括資料管理、統計分析、圖表分析、輸出管理等等。
spss統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、迴歸分析、對數線性模型、聚類分析、資料簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程。
比如迴歸分析中又分線性迴歸分析、曲線估計、logistic迴歸、probit迴歸、加權估計、兩階段最小二乘法、非線性迴歸等多個統計過程，而且每個過程中又允許使用者選擇不同的方法及引數。spss也有專門的繪圖系統，可以根據資料繪製各種圖形。
10樓：匿名使用者
先從最下面兩行說起
f是對迴歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明迴歸模型顯著。
r方和調整的r方是對模型擬合效果的闡述，以調整後的r方更準確一些，也就是自變數對因變數的解釋率為27.8%。
t就是對每個自變數是否有顯著作用的檢驗，具體是否顯著 仍然看後面的p值，若p值＜0.05，說明該自變數的影響顯著
在用SPSS做線性迴歸分析，結果如圖，R方很低，但是顯著
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線性擬合後都會有顯著效果，但是不一定是最佳的，所以需要判斷自變數和因變數之間關係是否符合線性。如果仍然是符合線性趨勢，但是你只有這麼一個自變數的話，那就沒有辦法優化了，如果還有其他自變數，可以嘗試著引入之後 ...
SPSS的logistic迴歸分析中因變數 協變數及選擇變數
在迴歸分析模型 y 0 1x 一元線性迴歸模型 中，y是被解釋變數，就稱為因變數。x是解釋變數，稱為自變數。表示為 因變數y隨自變數x的變化而變化。協變數是指那些人為很難控制的變數，通常在迴歸分析中要排除這些因素對結果的影響。選擇變數 即是條件變數，並且有個條件定義按鈕 rule 通過這個按鈕可以給...
用spss迴歸logit模型分析得到的結果,請懂的人幫忙解釋
你的變數明顯太多了。變數太多會起到混淆作用，而且如果有分類變數版 設定成虛擬變數擬合權 提示裡面說了的，奇異矩陣的問題 我替別人做這類的資料分析蠻多的 spss中迴歸分析結果解釋，不懂怎麼看 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...