标准逐步回归法的公式是什么？
保存因子分析就好，如果用spssau分析前先勾选“因子得分”选项，即可在分析后得到因子得分项。
spss直接把几个因子都已经算出来了，就是duFAC1-1列就是因子F1，同理可以得知F2，F3....不用算的，如果问F1怎么来的，就说是F1=0.701X1-0.549X2+0.736X3+0.216X4+0.112X5-0.318X6。
如果进行主成分分析之后又要进行回归分析，应该是用提取出来的主因子作为自变量进行计算的，回归是只能有一个自变量，一个因变量才算回归的，如果不是的话，建议你使用多项式属分析。
把因变量的值还有自变量的值放到EXCEL里，按列排列。然后全部圈起来，找图表选项，绘制散点图，之后对其中的点点击右键，进行数据拟合就可以得出式子。
扩展资料：
标准逐步回归法做两件事情。即增加和删除每个步骤所需的预测。
向前选择法从模型中最显著的预测开始，然后为每一步添加变量。
向后剔除法与模型的所有预测同时开始，然后在每一步消除最小显著性的变量。
这种建模技术的目的是使用最少的预测变量数来最大化预测能力。这也是处理高维数据集的方法之一。
参考资料来源：百度百科-回归分析
绛旓細spss鐩存帴鎶婂嚑涓洜瀛愰兘宸茬粡绠楀嚭鏉ヤ簡锛屽氨鏄痙uFAC1-1鍒楀氨鏄洜瀛怓1锛屽悓鐞嗗彲浠ュ緱鐭2锛孎3...涓嶇敤绠楃殑锛屽鏋滈棶F1鎬庝箞鏉ョ殑锛屽氨璇存槸F1=0.701X1-0.549X2+0.736X3+0.216X4+0.112X5-0.318X6銆傚鏋滆繘琛屼富鎴愬垎鍒嗘瀽涔嬪悗鍙堣杩涜鍥炲綊鍒嗘瀽锛屽簲璇ユ槸鐢ㄦ彁鍙栧嚭鏉ョ殑涓诲洜瀛愪綔涓鸿嚜鍙橀噺杩涜璁＄畻鐨勶紝鍥炲綊鏄鍙兘鏈変竴...
绛旓細1. 绾挎у洖褰掞細浣滀负鍏ラ棬绾ч娴嬪ぇ甯堬紝绾挎鍥炲綊鏄浣犵殑棣栭夈傚畠鍋囪鍥犲彉閲忎笌鑷彉閲忎箣闂村瓨鍦ㄧ洿绾垮叧绯伙紝鐢鍏紡 Y = a + bX + e 鏉ユ崟鎹夎繖绉嶅叧鑱斻傛渶灏忎簩涔樻硶涓轰綘鎻ず鏈浣虫嫙鍚堣矾寰勩傜劧鑰岋紝鍒繕浜嗗叧娉ㄥ閲嶅叡绾挎с佽嚜鐩稿叧鍜屽紓鏂瑰樊锛屼互鍙婂紓甯稿煎彲鑳藉甫鏉ョ殑璇銆傝嚜鍙橀噺鐨勯夋嫨鍙互閲囩敤鍚戝墠銆佸悜鍚庣瓫閫夛紝鎴栬閫愭鍓...
绛旓細1銆佺敤姣忎釜鑷彉閲忕殑鏍囧噯鍖B/鎵鏈夎嚜鍙橀噺鏍囧噯鍖朆涔嬪拰锛屽緱鍑虹殑鐧惧垎姣 鍗冲彲琛ㄧず璇ヨ嚜鍙橀噺瀵瑰洜鍙橀噺鐨勮础鐚崰姣旓紝2銆閫愭鍥炲綊鐨鍩烘湰鎬濇兂鏄皢鍙橀噺閫愪釜寮曞叆妯″瀷锛屾瘡寮曞叆涓涓В閲婂彉閲忓悗閮借杩涜F妫楠岋紝骞跺宸茬粡閫夊叆鐨勮В閲婂彉閲忛愪釜杩涜t妫楠岋紝褰撳師鏉ュ紩鍏ョ殑瑙ｉ噴鍙橀噺鐢变簬鍚庨潰瑙ｉ噴鍙橀噺鐨勫紩鍏ュ彉寰椾笉鍐嶆樉钁楁椂锛屽垯灏嗗叾鍒犻櫎銆...
绛旓細浣犵殑鏁版嵁鏄嚑鍥犲瓙鍑犳按骞崇殑锛熶竴鑸潵璁诧紝鍙鍚湁澶т簬绛変簬2涓洜瀛愮殑锛屽氨瑕侀噰鐢ㄤ簩椤瑰紡閫愭鍥炲綊浜嗐備絾鏄鏋滈渶瑕佷弗鏍肩殑鍙傛暟浼拌鐨勮瘽锛岃淇濊瘉涓嬮潰鐨勫叧绯籲>1+m(m+3)/2鍏朵腑n鏄綘鐨勮瘯楠屾暟锛宮鏄冨療鐨勫洜瀛愭暟浣犲彲浠ョ敤SPSS鎴栬卪atlab璇曡瘯銆傛渶绗ㄧ殑鏂规硶灏辨槸鍏堣绠楀嚭浜屾椤瑰洖褰掑悇椤圭殑杈撳叆鍊硷紝鍐嶇敤绾挎у洖褰掓嫙鍚 ...
绛旓細涓鏍囧噯澶氶噸鍥炲綊鐩告瘮锛屽垎灞傚洖褰掕兘澶熷皢鍏卞悓鍙樺紓鍒嗛厤缁欓鍏堣繘鍏ユā鍨嬬殑棰勬祴鍙橀噺銆6. 鍚戝墠鍥炲綊銆佸悜鍚庡洖褰掑拰閫愭鍥炲綊閮芥槸閫夋嫨鍙橀噺鐨鏂规硶銆傝繖浜涙柟娉曢兘娑夊強妯″瀷涔嬮棿鐨勬瘮杈冿紝骞朵娇鐢ㄧ浉鍚岀殑F妫楠鍏紡銆傜劧鑰岋紝瀹冧滑灞炰簬涓嶅悓鑼冪暣鐨勬蹇点傚垎灞傚洖褰掑叧娉ㄦā鍨嬫瘮杈冿紝鑰屽叾浠栦笁绉嶆柟娉曞叧娉ㄨ嚜鍙橀噺鐨勯夋嫨銆7. 鍦⊿PSS涓疄鐜板垎灞傚洖褰掞紝鐮...
绛旓細鍥炲綊鐨勬牳蹇冪洰鏍囨槸棰勬祴鏁板肩洰鏍囷紝閫氳繃鏋勫缓鍏紡锛堝洖褰掓柟绋嬶級鍜屾眰瑙ｅ洖褰掔郴鏁般傛湁澶氱鏂规硶瀹炵幇锛屽寘鎷櫘閫氭渶灏忎簩涔樻硶锛圤LS锛夊拰灞閮ㄥ姞鏉冪嚎鎬у洖褰掞紙LWLR锛夛紝浠ュ強宀洖褰掋乴asso鍜屽墠鍚閫愭鍥炲綊绛夌缉鍑忔柟娉曘侽LS瀵绘壘浣块娴嬭宸钩鏂瑰拰鏈灏忕殑鐩寸嚎锛岄氳繃姹傚骞朵护瀵兼暟涓洪浂寰楀埌鍥炲綊绯绘暟锛屼絾闇纭繚鐭╅樀鍙嗐侾ython浠ｇ爜绀轰緥灞曠ず...
绛旓細\x0d\x0a\x0d\x0a 鍚戝墠鍥炲綊銆佸悜鍚庡洖褰掑拰閫愭鍥炲綊閮借鎸夌収涓瀹氬垽鏂鏍囧噯鎵ц銆傚嵆鍦ㄥ皢鑷彉閲忓姞鍏ユ垨鍒犻櫎妯″瀷鏃,瑕佽繘琛屽亸F妫楠,璁＄畻鍏紡涓:\x0d\x0a\x0d\x0a(R2b-R2a)/M\x0d\x0a\x0d\x0aF = 鈥斺斺擻x0d\x0a\x0d\x0a(1- R2b) /dferror\x0d\x0a\x0d\x0aSPSS鍥炲綊鎵璁惧畾鐨勯粯璁...
绛旓細棣栧厛绾挎鍥炲綊妯″瀷鏈変竴涓氱敤鐨勫叕寮忔槸Y=(X^T)B (X^T鏄悜閲忕殑杞疆,鍚戦噺榛樿鍒楀悜閲),鍥犱负杩欎釜鍏紡鍏煎浜嗗綋鍑芥暟鏄鍏冪殑鎯呭喌銆 鍦ㄨ繖閲,灏嗗叾灞曞紑鏄痽=(1,x1,x2,...,xn)^T (b0,b1,...bn)涓鍏冪殑璇,灏辨槸y=(1,x1)^T(b0,b1). 鎵浠涓瀹氭槸鍚戦噺銆 绾挎у洖褰掑畬鏁寸殑妯″瀷鏄繖鏍风殑銆 瀵逛簬浠诲彇涓鐐,y鏄...
绛旓細鍦ㄥ鐞嗗涓嚜鍙橀噺鏃,鍙互浣跨敤杩欑褰㈠紡鐨勫洖褰掋傚湪杩欑鎶鏈腑,鑷彉閲忕殑閫夋嫨鏄湪涓涓嚜鍔ㄧ殑杩囩▼涓畬鎴愮殑,鍏朵腑鍖呮嫭闈炰汉涓烘搷浣溿傝繖涓澹妇鏄氳繃瑙傚療缁熻鐨勫,濡俁-square,t-stats鍜孉IC鎸囨爣,鏉ヨ瘑鍒噸瑕佺殑鍙橀噺銆傞愭鍥炲綊閫氳繃鍚屾椂娣诲姞/鍒犻櫎鍩轰簬鎸囧畾鏍囧噯鐨勫崗鍙橀噺鏉ユ嫙鍚堟ā鍨嬨備笅闈㈠垪鍑轰簡涓浜涙渶甯哥敤鐨勯愭鍥炲綊鏂规硶:鏍囧噯閫愭鍥炲綊娉鍋...
绛旓細鍥炲綊绾挎柟绋鍏紡鏄锛歜=((x1+x2+...+xi)(y1+y2+..+yi)-nxy)/(x1^2+x2^2+...+xi^2-n*(x^2))a=y-bxx,y涓哄钩鍧囨暟 姹傚洖褰掔嚎鏂圭▼寮忛渶鏍规嵁鍏紡锛歒i-y^=Yi-a-bXi锛屽啀浠ｅ叆鍏蜂綋鐨勬暟鎹嵆鍙紝鍥炲綊绾挎柟绋嬪紡涓鑸寚鐨勬槸鍥炲綊鐩寸嚎鏂圭▼锛屾寚鍦ㄤ竴缁勫叿鏈夌浉鍏冲叧绯荤殑鍙橀噺鐨勬暟鎹紙x涓嶻锛夐棿锛屽弽鏄爔...
