两个计算出来的变量可以做回归分析吗

点菜单：工具→数据分析→回归→选取Y值区域→选取X值区域→按需求选取其他选项→确定

你先生成虚拟变量,然后把那些虚拟变量作为自变量加入到命令中,和普通变量做回归是一样的.

多元回归中,自变量对因变量有没有影响,影响大小,主要看显著性检验,即P值.P值小于0.05,则通过了检验,认为该因素对因变量有显著影响.对于通过了影响的自变量,如果要比较哪个影响大,哪个影响小,除了看

你这么做肯定不行的,看看降维的分析吧,综合一下变量再问：降维分析用什么软件做啊怎么做啊再答：spss就能做啊，需要代做吗？再问：问题是降维分析能够显示出两变量见的像回归那样的线性关系吗比如有R方一些数

不相关的两个变量（比如分布在一个半圆或一个抛物线上的点的坐标值）也是可以根据公式求出【回归直线方程】的.不过如果同时计算出相关系数的话,会发现相关系数的绝对值非常低.所求出的方程没有实际的指导意义.

如果因变量是分类变量,哪你采用多元回归分析就是错误的了应该采用logistic回归来进行的因变量的4分类是否属于有序的还是无序的如果有序,则使用有序多分类logistic回归若无序,则使用无序多分lo

C,两个指针相加是没有意义

多元回归分析的因变量是一个啊,你这里怎么计算因变量之间的相关系数.如果非要计算多个因变量之间的相关系数的话,可以通过双变量的相关分析来计算

以最小平方法做线性回归估计这直线方程式y=a+b*x;最小平方法求出估计值a,b,代入得估计直线}复制内容到剪贴板代码:x:=k棒值;y:=c;b1:=Σ(x(i)-avr(x,30))*(y(i)-

1、错（只有相关系数的值在一定范围内才能说是有相关关系）2、错3、错（相关分析中无所谓自变量、因变量,两个变量地位相同,且都是随机变量）4、错（标志和指标的相互转化实际上是指在不同的研究中,在一次研究

 是否有统计学意义主要看sig如果这个值小于0.05那么就是相关的,在此基础上看第一列B值,负号代表负相关.你的例子中性别不对因变量产生影响.另外logistic回归中Exp(B)值即为OR

你3个自变量没有意义,当然不进入方程了,要进入选进入法再问：首先感谢您的回答，谢谢！朋友，是这样的。我需要一个模型用来预测研究对象，当初设想的是五个影响因素都要用到预测方程中，如果方程中少了其中几个变

正相关的话,用相关分析就可以.或者就是在回归分析中看那个系数,系数是正的,并且后面的P值是显著的,不仅说明他们是正相关,还可以说明A的变化会给B带来怎么样的变化

因为用作拟合的回归方程是较难捉摸的所以要观察两个变量之间的关系,是线性回归还是非线性回归如果是非线性回归再结合线型大概可以考虑用二次或三次多项式也可以作对数变换,倒数变换,逻辑斯特回归

不能它们是毫不相干的两码事

不太清楚意思,如果你说的是,对变量在某个区段内回归比如按年月,再按编号分别做回归,共i*j个回归方程,那就用bysortij：gen就可以啦.如果是面板数据,就按面板数据的方法做.

是的,否则估计会有偏差.附件里是专门介绍这个的文章,第一部分说的就是你这个问题.

xylm(y~x)Call:lm(formula=yx)Coefficients:(Intercept)x0.22.6y=2.6x+0.2当x=4y=10.6

表4.22的结果是以“工作绩效”为结果变量,以“心理资本的四个维度为自变量,选用stepwise的方法进行回归分析,所得的结果为四维度均纳入回归模型；所对应的指标：R的平方（决定系数）deltaR的平

两种方法得到的直线是不一样的,因为一个是以Y方向上的误差平方和最小,另一个是X方向上的误差平方和最小.这从其计算公式可看出：y=bx+ab的分子为：(x1y1+x2y2+...xnyn)-nx'y',