spss二元中方程中的变量P值很大

可以做聚类分析啊,我刚亲自试验了一下.在Analyze——Classify——HierarchicalClusterAnalysis里做

输入数据后,在工具栏选择：分析→比较平均值→单因素anove,两两比较,勾选LSD和Duncan,点击继续；选项,勾选描述性、按分析顺序排除个案,点击继续；点击上图的确定.然后会出来一连串的表.第二个

在  name 中改名字

可以做chisquaretest的相关分析原则上也是可以做出结果的我替别人做这类的数据分析蛮多的

两个定性变量的相关性分析不能采用方差分析,因为方差分析的因变量必需是定量的（自变量可以是定性的,也可以是定量的）.两个定性变量之间的相关性（或独立性）一般可以采用spss的交叉表（Crosstab）来

首先建立两个变量如x,y,把数据录入进去（两列）,在analysis里头,选correlate,分别把x,y放进去,点OK就可以得到结果.再问：我用的是中文版的SPSS，点击：分析—相关-双变量相关，

用这三列建立一个新列,然后对这个新列的变量在分析里进行描述统计～

要大于等于三个水平的分类变量才有必要生成哑变量的,只有两个水平的话不用.logi回归的因变量就是只能俩水平：0和1的.我一般生成哑变量是直接conpute的.简单说分类指的是一个变量在测量中的属性,就

各个变量的摘要一般输入的数据类型都是一样的每个变量之间做比较变量名在横坐标上值是纵坐标都选为表征就可以作图了个案组和个案输入的数据变量之间是不同类的比如时间浓度作图的时候要选择不同的变量名到表征和坐标

 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

你说的：“原始标量数据后面会出现新的数据”不是标准化的数据,而是各因子的得分.

一个模型是加入了那些不显著变量的,一个是没有加入不显著变量的,两个模型的残差做差,然后除以自由度,就可以算出来score了.再问：变量为x、y、z、m、n、q，m显著性p值最小，先进入方程，如图，然后

用int函数不行吗?我给你举一个可以通用的例子：设z=axy+by^2,其中a、b为常量,x、y为变量下面求a=1,b=2,x=3;时,对y在[0,1]上的积分,步骤如下：首先,执行如下命令：yy=i

这是正常现象.在SPSS多元线性逐步回归中,早先已经进入方程的变量可以又被踢出来.多元线性逐步回归要求能留在方程中的变量必须要同时符合2个条件：一是对模型必需要有足够的影响力,二是对不能方程中的其他变

应该有函数直接出来结果吧?如果不行,就直接变量相减：(x2-x1)/24/3600

数据格式全乱了,发给我原始数据,立刻教会您怎么看.再问：我传上去了，帮我看看吧，急死了再答：三个P值，一个是方差齐性检验的，即第一个，0.699，它大于0.05，接受原假设，说明不存在异方差，可以进行

R表示的是拟合优度,它是用来衡量估计的模型对观测值的拟合程度.它的值越F的值是回归方程的显著性检验,表示的是模型中被解释变量与所有解释变量之间

我猜想你的F和第一个sig是那个levene检验吧,sig大于待定的数比如0.1或0.05为方差齐,否则为方差不齐.你后面的t,df和sig（双侧）应该分别指：t检验数,自由度,双侧检验的显著性,一般

这个指的是回归中的拟合模型整体显著、也就是说回归中设的自变量是有预测作用的.但二元回归的话,2个自变量（预测变量）,如果要看它们各自的作用是否显著,还需看各自的B或beta值.

syma;symc;[bd]=solve('a^2=(a-b)^2','a=2*atan((c+d)/b)');让后再对a,c赋值参考一下