热心网友的回答：
你把结果**截图发上来啊
热心网友的回答：
logistic迴归的解读内容较複杂。可阅读此文章：网页连结
spssau分析的时候有智慧文字分析会对你产生帮助。
spss中迴归分析结果解释，不懂怎么看
中子的回答：
首先来说明各个符号，b也就是beta，代表迴归係数，标準化的迴归係数代表自变数也就是**变数和因变数的相关，为什么要标準化，因为标準化的时候各个自变数以及因变数的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。t值就是对迴归係数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显着性，在统计学上，sig<0.05一般被认为是係数检验显着，显着的意思就是你的迴归係数的绝对值显着大于0，表明自变数可以有效**因变数的变异，做出这个结论你有5%的可能会犯错误，即有95%的把握结论正确。
迴归的检验首先看anova那个表，也就是f检验，那个表代表的是对你进行迴归的所有自变数的迴归係数的一个总体检验，如果sig<0.05,说明至少有一个自变数能够有效**因变数，这个在写资料分析结果时一般可以不报告
然后看係数表，看标準化的迴归係数是否显着，每个自变数都有一个对应的迴归係数以及显着性检验
最后看模型彙总那个表，r方叫做决定係数，他是自变数可以解释的变异量佔因变数总变异量的比例，代表迴归方程对因变数的解释程度，报告的时候报告调整后的r方，这个值是针对自变数的增多会不断增强**力的一个矫正（因为即使没什么用的自变数，只要多增几个，r方也会变大，调整后的r方是对较多自变数的惩罚），r可以不用管，标準化的情况下r也是自变数和因变数的相关
希望对您有用
热心网友的回答：
看coeffuenthesig即可，
logistic迴归分析结果解读
热心网友的回答：
第一：对模型整体情况进行说明，比如对r方值进行描述，以及列出模型公式。
第二：逐一分析x对于y（相对于的对比项）影响情况；如果x对应的p值小于0.05则说明x会对y（相对于的对比项）产生影响关係，此时可结合or值进一步分析影响幅度。
第三：总结分析结果。
以及可结合输出的智慧文字分析，进行解读。
热心网友的回答：
不知道你是否听说过辛普森悖论，了解这个玩意也许能解决你的问题，如果需要在考虑a而不分析a，如果a是离散的，将不同a不同取值放入不同的模型中，然后分析其他变数。如果a是连续的，，，那就複杂一点。。。。。
七彩虹科技****的回答：
logistic迴归主要用于危险因素探索。因变数y为二分类或多分类变数，自变数既可以为分类变数，也可以为连续变数。 迴归分析**法，是在分析市场现象自变数和因变数之间相关关係的基础上，建立变数之间的迴归方程，并将迴归方程作为**模型，根据自变数在**期的数量变化来**因变数关係大多表现为相关关係，因此，迴归分析**法是一种重要的市场**方法，当我们在对市场现象未来发展状况和水平进行**时，如果能将影响市场**物件的主要因素找到，并且能够取得其数量资料，就可以採用迴归分析**法进行**。
它是一种具体的、行之有效的、实用价值很高的常用市场**方法。
土行仔的回答：
不一定！这取决于因变数的编码，情况十分複杂：
假如，因变数编码为1时代表无病，2代表有病，那么偏回归係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，那么偏回归係数为负就说明是危险因素，正好与前面的说法相反！注意，这个说法仅仅对于自变数为连续变数者（如体重、年龄、身高等）而言。
因此，在spss的logistic迴归分析中，因变数编码十分重要，总结以上规律不难发现，logistic迴归预设因变数编码小者为对照分类（或称参考分类）。
对于自变数为分类变数者（如性别、婚姻状态等）而言，偏回归係数的符号不但取决于因变数编码，还取决于自变数的对照分类（或称参考分类）的设定，这个设定使用者是可以调整的，系统预设编码最大者为对照分类（或称参考分类），这个情况你可以在分析结果的引数估计表中看到。因此，在因变数编码为1时代表无病，2代表有病预设设定下，如果自变数也採用预设设定，那么某一偏回归係数为负就说明，相对于自变数的对照分类而言，该自变数分类为保护性因素，其他情况可以类推。
以上回答你满意么？
spss二元logistic迴归分析，结果如下，变数係数怎么看，或者回归方程式什么？
热心网友的回答：
很遗憾的告诉你，你这研究失败了
二元logistic迴归分析，应该说所有迴归分析，最重要的係数是sig，或者平时我们叫p值，需要小于0.05才能说明有显着性影响，你这个所有p值高的接近1，都是毫无意义的资料
置于你说的迴归方程问题，迴归係数一般是b值，不过logistic迴归分析是对数分析法，所以一般看exp（b），也就是我们所说的or值
热心网友的回答：
你这全是乱作的，怎么写啊
找我专业资料分析
热心网友的回答：
不会做就别乱做
我经常帮别人做这类的资料分析的
请教spss迴归分析结果解读
热心网友的回答：
首先看 方差分析表 对应的sig 是否小于0.05，如果小于0.05，说明整体迴归模型显着，再看下面的迴归係数表，如果这里的sig大于0.
05，就说明迴归模型不显着，下面的就不用再看了。
其次，在迴归模型显着的基础上，看调整的r方，是模型拟合度的好坏，越接近1，说明拟合效果越好。这个在一般做**中，不需要管它的高低，因为**重在研究方法和思路的严谨性，导师不会追究你的结果是对是错，你的资料本身就不一定有质量，所以无所谓，不必在意。
第三 看具体迴归係数表中每个自变数 对应的sig值，如果sig小于0.05，说明该自变数对因变数有显着**作用，反之没有作用。
中子的回答：
说明一下各个符号，constant的意思是常量，实际上就是迴归方程的截距，也就是自变数为0时因变数的取值，如果你的方程是标準化的，且因变数是正态分布的，那么常量会变成0，也就是没有截距。b也就是beta，代表迴归係数，标準化的迴归係数代表自变数也就是**变数和因变数的相关，为什么要标準化，因为标準化的时候各个自变数以及因变数的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。t值就是对迴归係数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显着性，在统计学上，sig<0.
05一般被认为是係数检验显着，显着的意思就是你的迴归係数的绝对值显着大于0，表明自变数可以有效**因变数的变异，做出这个结论你有5%的可能会犯错误，即有95%的把握结论正确。
迴归的检验首先看anova那个表，也就是f检验，那个表代表的是对你进行迴归的所有自变数的迴归係数的一个总体检验，如果sig<0.05,说明至少有一个自变数能够有效**因变数，这个在写资料分析结果时一般可以不报告
然后看係数表，看标準化的迴归係数是否显着，每个自变数都有一个对应的迴归係数以及显着性检验
最后看模型彙总那个表，r方叫做决定係数，他是自变数可以解释的变异量佔因变数总变异量的比例，代表迴归方程对因变数的解释程度，报告的时候报告调整后的r方，这个值是针对自变数的增多会不断增强**力的一个矫正（因为即使没什么用的自变数，只要多增几个，r方也会变大，调整后的r方是对较多自变数的惩罚），r可以不用管，标準化的情况下r也是自变数和因变数的相关
标準误表示由于抽样误差所导致的实际值和迴归估计值的偏差大小，标準误越小，迴归线的代表性越强
希望对您有用
原因就是你不懂多元迴归，但是乱在spss里面点，所以会出现很多莫名其妙的提示 我经常帮别人做这类的资料分析的 在用spss做一个线性迴归分析，结果如图，r方很低，但是显着性都还可以。问题是这个模型 效果很差。你可以尝试着先绘製下散点图看看 会不会用其他曲线拟合的效果会更好，很多时候资料用线性和一些非...
没分析的必要的，因为f统计量的伴随概率p已经是0.36了，整体不显着！怎么从eviews迴归分析结果中看出有没有显着影响 10 模型中解释变数的估计值为 0.466102，标準差是0.069349,标準差是衡量回归係数值的稳定性和可靠性的，越小越稳定，解释变数的估计值的t值是用于检验係数是否为零的，...
model summary 是对模型拟合效果的总结，r是相关係数，r2是决定係数，係数越大表面拟合效果越好。anova是方差分析，然后f检验 coefficients就是迴归结果，得到的迴归方程的係数 spss迴归分析结果怎么得出迴归结果 首先要f检验，如果f值右上角有 号，说明迴归分析通过f检验，...
