spss中解释度是看R方还是调整R方

∈R,即称与有关系R,记作R.

这个地方的确是需要采用卡方检验的,而卡方检验中没有提供方差检验中的两两比较.如果希望知道两两比较的情况,可以通过对对数logit模型,但是这个做起来比较复杂,一般可以通过计算lambda、gamma等

在SPSS的回归计算中,你选中变量和自变量,SPSS会自动给出拟合优度R2的~如果是一元回归,在Excel中即可实现：先做散点图,再增加拟合曲线即可,这个过程记得勾选“显示R2和拟合曲线”项~你的数据

对!SPSS回归分析中AdjR方指的是调整R方

正或负相关

方偏小,理论上是不合理的,但很难说是否可行,因为这不是检验回归方程的唯一标准,建议结合F检验和T检验来确定.

就是表示模型拟合的程度logistic回归不是主要依靠这两个指标来衡量模型好坏的我替别人做这类的数据分析蛮多的再问：那时通过什么指标来衡量的呢？

卡方检验是用来证明两个分类变量之间是否存在相关性,相关分析系数是用来证明两个连续性变量之间是否存在相关性的.结果都是看sig的值,若sig＜0.05,说明相关显著

说明结果很好.R方是代表百分之多少可以解释你的结果,你的是1,就是你所用所有因变量100%可以解释你的依变量.

首先来说明各个符号,B也就是beta,代表回归系数,标准化的回归系数代表自变量也就是预测变量和因变量的相关,为什么要标准化,因为标准化的时候各个自变量以及因变量的单位才能统一,使结果更精确,减少因为单

0.737是二者的相关系数,0.544是相关系数的平方.在本例中的意思是说对于死于肺癌的结果,香烟的贡献率为0.544.

R值是你这个曲线的你和程度,就是有百分之多少和你样本曲线相似,F值是这个R值的明显程度,所以你只要看R的百分比大小就可以了.从你做出的结果来看,都不合适啊,而且是明显不适合啊,解释变量的系数都不过0.

我自己的理解是alpha=0.05的子集里面每一列中包含的数据之间的差异是不明显的,其显著性大于0.05并被标注在最下方.而不同的子集之间的差异是明显的,小于0.05.并且我的图是按照从小到大的顺序进

一般资料看上面的那个,0.020,小于0.05,统计学差异显著.再问：也就是说看sig（双侧）上面那个值就行了？小于0.05为显著？请问第一个sig0.252是什么意思啊，还有假设方差不想等那一行的s

analyze---descriptvestatistics---crosstabs---nominal---contingencycoefficient(列联系数C)再问：中文版的，这个看不懂啊。再

选择Graph--Scatter/dot..在新的对话框中选择simplescatter,单击define.将两个变量分别拖到Xaxis和Yaxis.单击OK.图形生成了.双击图形,出来一个新的窗体.

求各主成分的权重：权重就是用提取出来的主成分的特征根值去除以这几个主成分特征根值之和就得出对应每个主成分的权重了.各个主成分的特征值可以查看解释的总方差表.因子解释变异量：因子解释的变异量=该因子特征

两个值都要看,r值表示在样本中变量间的相关系数,表示相关性的大小；p值是检验值,是检验两变量在样本来自的总体中是否存在和样本一样的相关性.

当率是按自然顺序的等级分层时,除了可以用一般卡方检验比较各组率的差别外,若要分析率是否随分层变化而变化的趋势,可以用趋势卡方检验.若无单调性趋势,则不需作趋势卡方检验.SPSS中卡方检验：Analyz

p值大于0.05,所以接受原假设.再问：是说，我的假设正确，但是不用具有统计上的显著性是吗？再答：是说明在95%的显著性水平下不显著。再问：貌似大于0.05是拒绝假设吧？？再答：是的，大于0.05，是