①问题一：SPSSAU多元线性回归在哪儿/p>
【通用方法】–【线性回归】。
当考察一个自变量对因变量的影响称为一元线性回归，多于一个自变量的情况称为多元线性回归。
【生成变量】–【虚拟变量】
了解哑变量相关理论，可阅读下方链接文章：
SPSSAU：什么是虚拟变量么设置才正确/p>
④问题四：数据里有多个Y，线性回归Y只能放一个
线性回归模型中要求只有一个因变量，一个或多个自变量。
如果是同一个维度的题，因变量超过1个，可以使用SPSSAU【数据处理】–【生成变量】里的平均值功能。将多个Y合并成一个整体，再进行分析。
⑤问题五：线性回归有效样本量不足，需要多少样本量/p>
有效样本不足是指分析时,可以进行分析的样本量低于方法需要的样本量。解决方法是加大样本量。一般来说，至少要求样本量起码是变量数的5-10倍，结果更具备参考意义。
⑥问题六：相关分析显示正相关，回归分析显示负相关，如何解释/p>
相关分析是只简单考虑两个变量之间的关系，分析时不考虑其他控制变量的影响。
回归分析则是综合所有进入模型的自变量对因变量的结果而成的，在控制了其他进入回归方程的变量之后得到的影响关系。
所以得出结果不一致也非常正常。当相关分析、线性回归结果出现以下的矛盾情况：
①回归分析存在影响关系，但是却没有相关关系。此时建议以‘没有相关关系作为结论’。
②有负向影响关系，但却是正向相关关系。此时建议以‘有相关关系但没有回归影响关系作为结论’。
⑦问题七：回归结果看标准化还是非标准化/p>
标准化回归系数是消除了量纲影响后的回归系数，可以用来比较各个自变量的“重要性大小”。
如果目的在于预测模型，一般使用非标准化回归系数。
⑧问题八：线性回归因变量不在样本问题中/p>
有时候由于问卷设计问题，导致直接缺少了Y(没有设计对应的问卷题项)，建议可以考虑将X所有题项概括计算平均值来表示Y。(使用“ 生成变量”的 平均值功能)
如果问卷中并没有设计出Y对应的题项，没有其它办法可以处理。
⑨问题九：逐步回归与分层回归、线性回归的区别，结果不一致怎么解释/p>
逐步回归是多元线性回归中一种选择自变量的方法。分别把每一个变量都选入模型中，每次都保留系数显著水平最高的变量，剔除不显著的变量，通过多次的选入和剔除最终得到系数的显著的回归方程。适合自变量个数较多时使用。
分层回归本质是线性回归，区别在于分层回归可分为多层，主要用于模型的对比。
如果出现逐步回归、分层回归与线性回归结果不一致的情况，主要是用于选入模型的自变量不同导致。逐步回归会让系统自动识别出有影响的自变量X，最终得到的模型与线性回归中，自己分析的结果很可能出现不一致的情况。
最终以哪个结果为准，应结合专业知识和研究目的选择。比如某个核心研究项很重要，在逐步回归结果中没有体现，此时更应选择其他方法进行研究。
以上就是今天分享的内容，更多干货内容可登录SPSSAU官 查看。
文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34053 人正在系统学习中 相关资源：本草纲目下载李时珍本草纲目查询软件版v1.4_本草纲目pdf彩图版…
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！