SPSS 多元线性回归结果重要参数解读

您所在的位置：网站首页 › spss中or值正常是多少 › SPSS 多元线性回归结果重要参数解读

SPSS 多元线性回归结果重要参数解读

2023-10-31 04:24| 来源: 网络整理| 查看: 265

当自变量过多时，选择步进，此方法可以自动剔除对因变量影响小的变量。

选择共线性诊断用于判断多个变量之间是否相互关联以及关联的程度

德宾-沃森（Durbin-Watson）DW用来检验回归分析中的残差项是否存在自相关（序列相关）现象

“DEPENDNT”：因变量“ZPRED”：标准化预测值“ZRESID”：标准化残差“DRESID”：删除残差“ADJPRED”：调节预测值“SRESID”：学生化残差“SDRESID”：学生化删除残差

德宾-沃森检验简称D-W检验，是目前检验自相关性最常用的方法，但它只使用于检验一阶自相关性。因为自相关系数ρ的值介于-1和1之间，所以 0≤DW≤４并且DW＝O＝＞ρ＝１　　即存在正自相关性 DW＝４＜＝＞ρ＝－１　即存在负自相关性 DW＝２＜＝＞ρ＝０　　即不存在（一阶）自相关性　　因此，当DW值显著的接近于O或４时，则存在自相关性，而接近于２时，则不存在（一阶）自相关性。一般来说越接近2越好，说明自变量的自相关性越不明显，模型设计的越好。 R方表示模型的拟合度，越接近1越好

显著性表示自变量对因变量的影响程度，小于0.05表示有显著影响，越小影响越大

VIF（容差的倒数）用于共线性诊断（变量之间的关联度）：当0

【本文地址】

SPSS 多元线性回归结果重要参数解读

SPSS 多元线性回归结果重要参数解读

今日新闻

推荐新闻