用SPSS做多元回归分析得出的指标结果怎么分析啊？ 这个spss的卡方检验表怎么看？上面的指标都是什么意思，可以...
SPSS\u56de\u5f52\u5206\u6790\u4e2d,\u5c06\u7ef4\u5ea6A\u4e0e\u7ef4\u5ea6B\u8fdb\u884c\u7ebf\u6027\u56de\u5f52\u540e\uff0c\u90a3\u4e48\u770b\u54ea\u4e2a\u6307\u6807\u5f97\u51faA\u6b63\u76f8\u5173B\u5462\uff1f\u4e0d\u77e5\u9053\u4f60\u662f\u60f3\u6c42A\u548cB\u7684\u76f8\u5173\u6027\uff0c\u8fd8\u662f\u901a\u8fc7\u53d8\u91cfA\u4e0eB\u5efa\u8bae\u56de\u5f52\u6a21\u578b
\u5982\u679c\u53ea\u662f\u770b\u76f8\u5173\u6027 \u5219\u7528\u76f8\u5173\u5206\u6790\u5373\u53ef
\u5982\u679c\u662f\u60f3\u5efa\u7acb\u56de\u5f52\u6a21\u578b\uff0c\u5219\u4ee5A\u4e3a\u81ea\u53d8\u91cf\uff0cB\u4e3a\u56e0\u53d8\u91cf\u8fdb\u884c\u56de\u5f52\u5206\u6790\u5373\u53ef
\u5f97\u51fa\u7684\u7ed3\u8bba\u4e2d \u6709\u4e2aB\u503c \u5373\u56de\u5f52\u7cfb\u6570\uff0c\u4ea6\u662fA\u5bf9B\u7684\u56de\u5f52\u8d21\u732e\uff0c\u4e5f\u53ef\u4ee5\u7406\u89e3\u4e3a\u76f8\u5173\u6027\uff0c\u7b26\u53f7\u4e3a\u6b63\u8d1f\u5373\u8868\u793a
\u4ece\u8868\u7684\u5907\u6ce8a\u4e2d\u770b\u5230\u6700\u5c0f\u671f\u671b\u503c\u90fd\u662f\u8d85\u8fc75\uff0c\u6240\u4ee5\uff0c\u53ea\u8981\u770b\u7b2c\u4e00\u884c\u7684\u76ae\u5c14\u900a\u5361\u65b9\u548c\u5b83\u7684sig\u503c\u5c31\u53ef\u4ee5\u3002\u6240\u4ee5\u8bf4\u660e\u5361\u65b9\u68c0\u9a8c\u663e\u8457\uff0c\u4ea4\u53c9\u8868\u7684\u4e24\u4e2a\u53d8\u91cf\u4e4b\u95f4\u6709\u663e\u8457\u7684\u76f8\u5173\u6027\u3002
\u5982\u679c\u8bf4\u5907\u6ce8a\u4e2d\u8bf4\u7684\u6709\u6700\u5c0f\u671f\u671b\u503c\u5c0f\u4e8e5\u7684\uff0c\u8fd9\u4e2a\u65f6\u5019\u5c31\u9700\u8981\u770bfisher\u7684\u7cbe\u786e\u68c0\u9a8c\u503c\u5c31\u53ef\u4ee5\u4e86\u3002\u6240\u4ee5\u5361\u65b9\u68c0\u9a8c\u51fa\u6765\u901a\u8fc7\u4e0d\u540c\u68c0\u9a8c\u65b9\u6cd5\u7684\u68c0\u9a8c\u7ed3\u679c\uff0c\u4e00\u822c\u60c5\u51b5\u4e0b\uff0c\u4f1a\u9009\u62e9\u770b\u7b2c\u4e00\u4e2a\u76ae\u5c14\u900a\u5361\u65b9\u6216\u8005\u662ffisher\u7684\u7cbe\u786e\u68c0\u9a8c\u5373\u53ef\uff0c\u5176\u4ed6\u7684\u53ef\u4ee5\u4e0d\u53bb\u7ba1\u5b83\u3002
\u542b\u4e49
\uff081\uff09\u63d0\u51fa\u539f\u5047\u8bbe\uff1aH0\uff1a\u603b\u4f53X\u7684\u5206\u5e03\u51fd\u6570\u4e3aF(x)\u3002
\u5982\u679c\u603b\u4f53\u5206\u5e03\u4e3a\u79bb\u6563\u578b\uff0c\u5219\u5047\u8bbe\u5177\u4f53\u4e3aH0\uff1a\u603b\u4f53X\u7684\u5206\u5e03\u5f8b\u4e3aP{X=xi}=pi\uff0c i=1\uff0c2\uff0c...
\uff082\uff09\u5c06\u603b\u4f53X\u7684\u53d6\u503c\u8303\u56f4\u5206\u6210k\u4e2a\u4e92\u4e0d\u76f8\u4ea4\u7684\u5c0f\u533a\u95f4A1\uff0cA2\uff0cA3\uff0c\u2026\uff0cAk\uff0c\u5982\u53ef\u53d6A1=\uff08a0\uff0ca1]\uff0cA2=(a1\uff0ca2]\uff0c...\uff0cAk=(ak-1,ak)\u3002
\u5176\u4e2da0\u53ef\u53d6-\u221e\uff0cak\u53ef\u53d6+\u221e\uff0c\u533a\u95f4\u7684\u5212\u5206\u89c6\u5177\u4f53\u60c5\u51b5\u800c\u5b9a\uff0c\u4f46\u8981\u4f7f\u6bcf\u4e2a\u5c0f\u533a\u95f4\u6240\u542b\u7684\u6837\u672c\u503c\u4e2a\u6570\u4e0d\u5c0f\u4e8e5\uff0c\u800c\u533a\u95f4\u4e2a\u6570k\u4e0d\u8981\u592a\u5927\u4e5f\u4e0d\u8981\u592a\u5c0f\u3002
表一的r值是复相关系数，r方是决定系数，r方表示你的模型可以解释百分之多少的你的因变量，比如你的例子里就是可以解释你的因变量的百分之八十。很高了。表二的sig是指你的回归可不可信，你的sig是0。000，说明在0.01的水平上你的模型显著回归，方程具有统计学意义。
SPSS（全称：Statistical Product and Service Solutions）是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生Norman H. Nie、C.Hadlai (Tex) Hull和Dale H. Bent于1968年研发成功。
SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。
一、案例说明
1.案例数据
在“工资影响因素”的调查问卷中，调查了每个人的起始工资、工作经验、受教育年限、受雇月数、职位等级以及当前工资六个方面。
2.分析目的
目的是建立以当前工资为因变量的回归模型，并得出结论。[案例来源于：SPSS统计分析（第5版）卢纹岱,朱红兵主编，案例有一些变动 具体请看分析。]
分析结果：
从上表可以看出，离差平方和为1461615.460，残差平方和为579191.966，而回归平方和为882423.494。回归方程的显著性检验中，统计量F=178.635，对应的p值远远小于0.05，被解释变量的线性关系是显著的，可以建立模型。建立模型后，需要查看模型拟合优度是否可以，其中就可以查看R方与调整R方值。
从上表可知，将起始工资,受教育年限,职位等级,工作经验作为自变量，而将当前工资作为因变量进行线性回归分析，从上表可以看出，模型R方值为0.604，调整R方为0.600，其中R方是决定系数，模型拟合指标。反应Y的波动有多少比例能被X的波动描述。调整R方也是模型拟合指标。当x个数较多是调整R²比R²更为准确。意味着起始工资,受教育年限,职位等级,工作经验可以解释当前工资的60.4%变化原因。可见，模型拟合优度较好，说明被解释变量可以被模型解释的部分较多。接下来查看变量是否具有多重共线性。
从上表可知，将起始工资,受教育年限,工作经验,职位等级作为自变量，而将当前工资作为因变量进行线性回归分析，从上表可以看出，模型公式为：当前工资=-41.634 + 0.425*起始工资 + 6.176*受教育年限-0.051*工作经验 + 29.819*职位等级。
上图所示，回归方程的常数项约为-41.63，以及起始工资、受教育年限、工作经验以及职位等级的非标准化系数分别为0.425、6.176、-0.051、29.819。表中4个变量的p值均小于0.05，并且VIF值均正常，因此4个变量可以显示在模型中。
表一的r值是复相关系数，r方是决定系数，r方表示你的模型可以解释百分之多少的你的因变量，比如你的例子里就是可以解释你的因变量的百分之八十。很高了。表二的sig是指你的回归可不可信，你的sig是0。000，说明在0.01的水平上你的模型显著回归，方程具有统计学意义。表三的sig值表示各个变量在方程中是否和因变量有线性关系，sig越大，统计意义越不显著，你的都小于0.05，从回归意义上说，你这个模型还蛮好的。vif是检验多重共线性的，你的vif有一点大，说明多重共线性比较明显，可以用岭回归或者主成分回归消除共线性。你要是愿意改小，应该也没关系。
ppv课，大数据培训专家，随时随地为你充电，来ppv看看学习视频，助你成就职场之路。更有精品学习心得和你分享哦。
绛旓細1锛鐢╯pss杩涜澶氬厓鍥炲綊浠ュ悗锛岀郴缁熶細鑷姩缁欏嚭x1銆亁2鍜寈3锛堜粠澶у埌灏忥級鐨剅鐨勫钩鏂瑰拰锛岀浉鍑忓氨鏄В閲婄巼銆2锛岃缃搼鍙橀噺銆傞氬父鍦ㄥ洖褰掑垎鏋愭椂锛屽鏋滄槸浜屽垎绫诲彉閲忓彲浠ョ洿鎺ュ綋浣滆繛缁у彉閲忚繘琛屽洖褰掞紝鑰屽鍒嗙被鏃讹紝鍒欓渶瑕佽缃搼鍙橀噺锛屽嵆灏嗘瘡涓被鍒浆鎹㈡垚0锛1鐨勭紪鐮佹潵琛ㄧず锛屽洜姝よ繖閲屾眰鐩稿叧绯绘暟鏃躲備篃鍙互閲囩敤绫讳技鐨勮...
绛旓細锛3锛夋ā鍨嬭皟鏁村悗鐨凴骞虫柟=0.548锛屽嵆璇鍥炲綊妯″瀷鍙В閲婂洜鍙橀噺鐘姜鐜囧彉鍖栫殑54.8%锛屾ā鍨嬭В閲婅兘鍔涚暐鍏堜笉瓒炽
绛旓細绗竴姝ワ細棣栧厛瀵规ā鍨嬫暣浣撴儏鍐杩涜鍒嗘瀽 鍖呮嫭妯″瀷鎷熷悎鎯呭喌锛圧²锛夛紝鏄惁閫氳繃F妫楠岀瓑銆傜浜屾锛氬垎鏋怷鐨勬樉钁楁 鍒嗘瀽X鐨勬樉钁楁э紙P鍊硷級锛屽鏋滃憟鐜板嚭鏄捐憲鎬э紝鍒欒鏄嶺瀵筜鏈夊奖鍝嶅叧绯汇傚鏋滀笉鏄捐憲锛屽垯搴斿墧闄よ鍙橀噺銆傜涓夋锛氬垽鏂璛瀵筜鐨勫奖鍝嶅叧绯绘柟鍚戝強褰卞搷绋嬪害 缁撳悎鍥炲綊绯绘暟B鍊硷紝瀵规瘮鍒嗘瀽X瀵筜鐨勫奖鍝嶇▼搴︺
绛旓細浠庝笂琛ㄥ彲鐭ワ紝灏嗚捣濮嬪伐璧,鍙楁暀鑲插勾闄,宸ヤ綔缁忛獙,鑱屼綅绛夌骇浣滀负鑷彉閲忥紝鑰屽皢褰撳墠宸ヨ祫浣滀负鍥犲彉閲杩涜绾挎鍥炲綊鍒嗘瀽锛屼粠涓婅〃鍙互鐪嬪嚭锛屾ā鍨嬪叕寮忎负锛氬綋鍓嶅伐璧=-41.634 + 0.425*璧峰宸ヨ祫 + 6.176*鍙楁暀鑲插勾闄-0.051*宸ヤ綔缁忛獙 + 29.819*鑱屼綅绛夌骇銆備笂鍥炬墍绀猴紝鍥炲綊鏂圭▼鐨勫父鏁伴」绾︿负-41.63锛屼互鍙婅捣濮嬪伐璧勩佸彈...
绛旓細1銆丷鏂瑰兼槸璇勪环鐨勪富瑕佹寚鏍囷紝F鍊硷紝t鍊兼槸涓や釜妫楠岋紝涓鑸灏忎簬0.05锛孎鍜宼鐨勬樉钁楁ч兘鏄0.05銆2銆丗鏄柟宸楠岋紝鏁翠釜妯″瀷鐨勫叏灞妫楠岋紝鐪嬫嫙鍚堟柟绋嬫槸鍚︽湁鎰忎箟T鍊兼槸瀵规瘡涓嚜鍙橀噺杩涜涓涓帴涓涓殑妫楠岋紙logistic鍥炲綊锛夛紝鐪嬪叾beta鍊硷紝鍗冲洖褰掔郴鏁版槸鍚︽湁鎰忎箟F鍜孴鐨勬樉钁楁у潎涓0锛05锛鍥炲綊鍒嗘瀽鍦ㄧ瀛︾爺绌堕鍩熸槸...
绛旓細鏈杩戝仛浜嗕竴浜鐢⊿PSS杩涜绾挎鍥炲綊鐨瀹為獙锛岃繕鏄劅瑙夊緢澶氱粏鑺傛妸鎻′笉濂斤紝杩欓噷缁撳悎鎴戠殑瀹為獙缁撴灉锛屼互鍙婄綉涓婂埆浜虹殑浠嬬粛鎬荤粨涓涓嬶紝鍏堣创鍑犲紶SPSS鐨勮緭鍑猴細涓嬮潰绠鍗曡В閲婁竴涓嬭繖涓夊紶鍥句腑鐨勭粨鏋滐細绗竴涓〃妯″瀷姹囨昏〃涓紝R琛ㄧず鎷熷悎浼樺害锛坓oodness of fit锛夛紝瀹冩槸鐢ㄦ潵琛￠噺浼拌鐨勬ā鍨嬪瑙傛祴鍊肩殑鎷熷悎绋嬪害銆傚畠鐨勫艰秺鎺ヨ繎1...
绛旓細鍦ㄧ粺璁″涓紝鍥炲綊鍒嗘瀽锛坮egression analysis)鎸囩殑鏄‘瀹氫袱绉嶆垨涓ょ浠ヤ笂鍙橀噺闂寸浉浜掍緷璧栫殑瀹氶噺鍏崇郴鐨勪竴绉嶇粺璁″垎鏋愭柟娉曘傚洖褰掑垎鏋愭寜鐓ф秹鍙婄殑鍙橀噺鐨勫灏戯紝鍒嗕负涓鍏冨洖褰掑拰澶氬厓鍥炲綊鍒嗘瀽锛涙寜鐓у洜鍙橀噺鐨勫灏戯紝鍙垎涓虹畝鍗曞洖褰掑垎鏋愬拰澶氶噸鍥炲綊鍒嗘瀽锛涙寜鐓ц嚜鍙橀噺鍜屽洜鍙橀噺涔嬮棿鐨勫叧绯荤被鍨嬶紝鍙垎涓虹嚎鎬у洖褰掑垎鏋愬拰闈炵嚎鎬у洖褰掑垎鏋...
绛旓細澶氬厓鍥炲綊鍒嗘瀽 浣犺鍏堢‘瀹氫竴涓嬭嚜鍙橀噺闂存槸鍚﹀瓨鍦ㄤ弗閲嶇殑鍏辩嚎鎬,濡傛灉娌℃湁鍏辩嚎鎬,鐒跺悗杩樿閫氳繃鏁ｇ偣鐭╅樀鐪嬬湅鏄惁鎴愮嚎鎬у叧绯,杩欎簺涔嬪悗鎵嶅彲浠鍋氬鍏绾挎у洖褰掓墍浠ュ彧鐪嬩綘鐜板湪鐨勭粨鏋,鐨勭‘鍙湁x5鎵嶆湁鎰忎箟, 鎵浠ヤ綘瑕佹牴鎹弬鑰冭祫鏂欏強甯歌瘑绛夎繘琛屽垵姝ュ垽鏂,杩欐牱鐨勭粨鏋滄槸鍚︽纭,濡傛灉涓嶆纭渶瑕侀噸鏂拌繘琛 鏈洖绛旂敱鎻愰棶鑰呮帹鑽 涓炬姤| 绛旀绾犻敊...
绛旓細杩涜澶氬厓鍥炲綊鍒嗘瀽鏄SPSS涓父瑙佺殑缁熻鏂规硶涔嬩竴锛岀敤浜庢帰绱㈠涓嚜鍙橀噺瀵逛竴涓洜鍙橀噺鐨勫奖鍝嶃備互涓嬫槸鍦⊿PSS涓墽琛屽鍏冨洖褰掑垎鏋愮殑鍩烘湰姝ラ锛1. **鎵撳紑鏁版嵁**锛氶鍏堬紝鎵撳紑鍖呭惈闇瑕佸垎鏋愮殑鏁版嵁闆嗐2. **閫夋嫨鍒嗘瀽**锛氬湪鑿滃崟鏍忎腑閫夋嫨鈥滃垎鏋愶紙Analyse锛夆 -> 鈥滃洖褰掞紙Regression锛夆 -> 鈥滅嚎鎬э紙Linear锛夆濄3. *...
绛旓細SPSS锛堝叏绉帮細Statistical Product and Service Solutions锛夋槸涓栫晫涓婃渶鏃╃殑缁熻鍒嗘瀽杞欢锛岀敱缇庡浗鏂潶绂忓ぇ瀛︾殑涓変綅鐮旂┒鐢烴orman H. Nie銆丆.Hadlai (Tex) Hull鍜孌ale H. Bent浜1968骞寸爺鍙戞垚鍔熴SPSS閲囩敤绫讳技EXCEL琛ㄦ牸鐨勬柟寮忚緭鍏ヤ笌绠＄悊鏁版嵁锛屾暟鎹帴鍙ｈ緝涓洪氱敤锛岃兘鏂逛究鐨勪粠鍏朵粬鏁版嵁搴撲腑璇诲叆鏁版嵁銆
