1.多元线性回归SPSS分析

四步搞定SPSS多元线性回归视频教程（含详细操作及结果解读）_哔哩哔哩_bilibili订阅陈老师B站送福利！订阅后加陈老师QQ1622275006送数据分析教程及软件福利哟~关注微信公众号：杏花开医学统计，免费领取数据分析在SCI期刊论文中的文字模板，视频教程，以及安装包哦！SPSS、Meta、GraphPad、Stata、SAS、R、NoteExpress、Endnote、RevMan陈老师数据分析QQ/微信1622275006资料下载, 互动问答www.databbs.net医https://www.bilibili.com/video/BV1QQ4y1K7Sd?from=search&seid=16806871045625765832&spm_id_from=333.337.0.0SPSS多元线性回归结果分析 - 李博是小猪猪 - 博客园输出下面三张表 第一张R方是拟合优度 对总回归方程进行F检验。显著性是sig。 结果的统计学意义，是结果真实程度（能够代表总体）的一种估计方法。专业上，p 值为结果可信程度的一个递减指标，p 值越大，https://www.cnblogs.com/xiaobaohuizi/p/8797213.html线性回归 - 多元线性回归案例 - 分析步骤、输出结果详解、与Python的结果对比 -（SPSS建模）_Not Found黄小包-CSDN博客_多元线性回归分析案例数据现在用 Python 写线性回归的博客都快烂大街了，为什么还要用 SPSS 做线性回归呢？这就来说说 SPSS 存在的原因吧。SPSS 是一个很强大的软件，不用编程，不用调参，点巴两下就出结果了，而且出来的大多是你想要的。这样的特点特别适合建模初期进行算法的选择。比如SPSS 做因子分析，输出结果中有一项 Kaiser-Meyer-Olkin Measure of Sampling Ade...https://blog.csdn.net/weixin_40683253/article/details/86736428?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.no_search_link

2.自变量中包含分类数据，设置哑变量（虚拟变量的问题）

回归模型中的哑变量是个啥？何时需要设置哑变量？什么是哑变量？什么情况下需要转化哑变量？https://www.sohu.com/a/199698358_489312?spm=smpc.content.content.2.16362100667467JrsONb多元线性回归-如何设置哑变量 - 知乎一.logistic 回归于线性回归的不同： logistic 回归，因变量是分类变量 线性回归，因变量是连续变量 二.多元线性回归-如何设置哑变量 （一）当单个自变量是分类变量，水平等于2时，不需要设置哑变量 （二）当单个…https://zhuanlan.zhihu.com/p/65914753SPSS进行线性回归中分类变量哑变量的设置——【杏花开医学统计】陈老师spss数据分析_哔哩哔哩_bilibili陈老师数据分析QQ/微信1622275006更多数据分析视频、资料下载, 互动问答www.databbs.net陈老师spss数据分析论坛www.spssbbs.com杏花开医学统计www.xinghuakai.com杏花开医学统计公众号：xhk345微信公众号: 谦瑞数据https://www.bilibili.com/video/BV1L4411z7FF?spm_id_from=333.999.0.0刻意练习18：用SPSS创建虚拟变量/哑变量|数据小兵博客SPSS【转换】菜单下的【创建虚变量】功能，可以将分类变量转换为虚拟变量，在线性回归中如果遇到无序分类变量的自变量，此时这个菜单就可以派上用场了，可以帮助用户快速完成哑变量处理。http://www.datasoldier.net/archives/1542补充：对上面spss创建虚拟变量的补充

  

设置虚拟变量时，一定要针对分类变量，有时候你的分类变量会被SPSS自动识别为数值变量，这时候要将变量类型从数值类型改为分类类型（标度改为名义）。否则是无法生成虚拟变量的。

设定哑变量时，应该选择哪一类作为参照呢？

分类变量哑变量设置后，参照到底如何选择？【1061】分类变量哑变量设置后，参照到底如何选择？【1061】http://www.360doc.com/content/20/1023/19/72085106_942043345.shtml

100天机器学习(100-Days-Of-ML)day3多元线性回归及虚拟变量陷阱分析_三年研究生能改变多少-CSDN博客本系列为100天机器学习学习笔记。详细请参考下方作者链接：100天机器学习github:https://github.com/MLEveryday/100-Days-Of-ML-CodeDay3多元线性回归第1步: 数据预处理导入库:import pandas as pdimport numpy as np导入数据集dataset = pd.read_csv('50_Star...https://blog.csdn.net/ssswill/article/details/86151933

 3. anova方差分析

[统计学笔记九] 方差分析（ANOVA）_梅森上校的博客 业精于勤荒于嬉，形成于思毁于随。-CSDN博客[统计学笔记九] 方差分析（ANOVA）方差分析(Analysis of Variance，简称ANOVA)方差分析（ANOVA）又称“变异数分析”或“F检验”，是R.A.Fister发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类：一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分...https://blog.csdn.net/seagal890/article/details/105021319SPSS篇—方差分析_小白数据营的博客-CSDN博客_spss方差分析上一篇文章跟大家分享了如何用SPSS进行回归分析，知道了回归分析下的用途以及使用的场景。今天跟大家分享的就是之前文章里面出现很多次的一个分析—方差分析。方差分析又被称作“F检验”或者“变异数分析”，主要是用于两个及两个以上样本均值差异的显著性检验。方差分析和回归分析一样，也有很多个分支。对于方差分析，一般我们是用来研究不同来源的变异对总变异的贡献大小，从而确定可控因素对因变量的影响大小。我...https://blog.csdn.net/weixin_37577165/article/details/994074044. 关于自变量显著问题的一些说明

回归方程及回归系数的显著性检验 - 百度文库https://wenku.baidu.com/view/03e42de3930ef12d2af90242a8956bec0975a5d5.html?rec_flag=default&fr=Recommend_RelativeDoc-60350,60272,40340,60399-kpdrec_doc_pc_view-5b29efd3f68a6529647d27284b73f242326c31fb&sxts=1636256083840

 思考：用T检验和F检验剔除自变量方法是不同的

T检验：

F检验：

5.残差图分析

SPSS 多元线性回归结果重要参数解读_m0_37828665的博客-CSDN博客_多元线性回归分析结果解读当自变量过多时，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“SR...https://blog.csdn.net/m0_37828665/article/details/88845687?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-8.no_search_link&spm=1001.2101.3001.4242.5残差分析（残差原理与标准化残差分析）_mengjizhiyou的博客-CSDN博客_残差分析1、残差分析定义在回归模型 中，假定 的期望值为0，方差相等且服从正态分布的一个随机变量。但是，若关于的假定不成立，此时所做的检验以及估计和预测也许站不住脚。确定有关的假定是否成立的方法之一是进行残差分析（residual analysis）.2、残差与残差图残差（residual）是因变量的观测值与根据估计的回归方程求出的预测  之差，用e表示。反映了用估计的回归方程去预测而引起的误...https://blog.csdn.net/mengjizhiyou/article/details/82216278?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%AE%8B%E5%B7%AE%E5%9B%BE&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-7-82216278.nonecase&spm=1018.2226.3001.4187