spss里排序的问题应该用什么分析方法

线性回归的r达到显著水平,说明回归是有效的.大多数自变量的回归系数不显著说明这些自变量的预测力度并不理想.可能是回归方法的问题,楼主用enter这种方法回归就会出现这种情况,改用stepwise或者是

分析性别对变量的影响采用方差分析或者卡方分析来做就好了不需要因子分析再问：知道了！谢谢！能再展开讲一下吗？再答：如果你的变量类型是连续型变量那就用方差分析来分析性别差异如果你的变量类型是分类变量那就用

用lsd前要先做方差齐性检验,不齐的话不能用方差齐性检验在Options---Homogeneityofvariance中,看结果p是否大于0,05是的话可以用lsd分析.当然得先建数据,你只有一组数

选择排序的交换次数最少.那当这个序列已经是按升序或降序排列的时候,交换次数为0；那如果这个序列已经按所要求的逆序排列,交换次数为N.

楼下的说错了,终极系列的顺序是：第一部是终极一班1、第二部是终极一家、第三部是终极三国、第四部是终极一班2,必须顺着这个顺序看才对.终极一班说的是金时空的故事,终极一家说的是铁时空的故事、终极三国说的

你好sig是显著的的意思他在spss中代表显著性检验的值小于0.05拒绝原假设大于0.05则接受原假设

这种图EXCEL就能做,没必要动用到SPSS吧

不一定!这取决于因变量的编码,情况十分复杂：假如,因变量编码为1时代表无病,2代表有病,那么偏回归系数为负就说明是保护性因素；如果编码为1时代表有病,2代表无病,那么偏回归系数为负就说明是危险因素,正

这个很正常的,你按照你的专业知识选择其中一种方法即可我替别人做这类的数据分析蛮多的

未旋转的因子矩阵：不是说x7是最主要的因素,而是说x7与第1个成分的相关性最大,且为正相关.通过你这个因子矩阵表,很难将各个x进行分类,可以进行因子分析,得到旋转后的因子矩阵.旋转后的因子矩阵：表中的

存放原则试剂存放要做到分开存放、取用方便、注意安全,保证质量.强氧化剂和易燃品必须严格分开,以免发生剧烈氧化而释放出热量,引起燃烧.挥发性酸或碱不能跟其他试剂混放,以免试剂变质.化学实验室应贮备一定量

就是“有多少个选项就设多少个变量”,在某一个选项下面排第几就在相应变量下面输入几.

◆MultipleResponse多选题处理……Definesets多选题变量定义……Frequencies多选题频数分析……Crosstabs多选题交叉分析

±3.92这个指在不同的信度水平下的误差区间,即t*残差

主因子?你是主成分分析呢还是因子分析呢?1.如果是主成分分析,综合得分是自己算的,即factor做完之后（得选在factoranaylsis界面选中scores中的displayfactorscore

判别分析目的是为了寻找模型预测,不是判断正确与否的,只要正确率再问：谢谢····那就是说我做的模型的正确率在80%，是可以继续进行分析的吧。十分感谢再答：一般要达到90%以上比较好，看特异度灵敏度的

R方统计量衡量在样本内预测因变量值的回归是否成功,一般超过0.85都是成功的,F统计量检验回归中所有的系数是否为零(除了常数或截距),统计显著性（sig）就是出现目前样本这结果的机率.Y=a*exp(

你的结果挺好的,共同性表示题项解释共同特质或属性的变异量,一般而言,共同性低于0.20的题项可以考虑删除.我经常作数据分析的

愁啊,每次出来都是要解释一下楼上的错误……真的是怕误人子弟,错误引导祖国未来的统计学花骨朵.变量分很多种类这个无容置疑,并不是说每种变量都要尽量录入数值型.肯定是根据实际需要及情况来进行变量录入.那么

spss的主成分分析主要应用在因子分析里,目的是将原来很多的因素,通过他们内在的相关分析,整合成新的一个或多个相对独立的综合因素,来代表原来散乱的因素.例如我们测量客户满意度,设计了10个题目,那数据