SPSS中r值是负的怎么回事

因为你不会spss操作,但是在那里乱在点我经常帮别人做这类的数据统计分析的再问：会不会是数据有问题造成的呢

_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：：说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关

说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的

综合因子得分?SPSS的因子分析过程本身只自带了计算各因子得分的功能Analyze——DataReduction——Factoranalyze放入变量之后,其中有一项scores选项菜单,选上.SPS

多元线性模型即可再问：为啥呢？有什么依据说明他们就是线性相关吗？再答：你用逐步回归剔除不显著的自变量，保留显著的，不就行了吗SPSS里面固有的模型很多的，一般情况下高次的不要用，因为误差大

F值和T值多少没有绝对的标准的.主要是看你的回归模型是否合理.在进行回归分析之后还要进行残差分析,看模型是否存在异方差,自相关,多重共线性等问题.若是存在异方差、自相关等问题,有可能会高估t值,F检验

分析之前有清理过数据吗,排除那些随意不认真作答的问卷.还有就是你所采用的问卷是否是成熟的量表,外国的话在国内是否修订过.如果都是的话,不太应该出你所说的这种多负载的情况.负载小的那些变量直接排除不行吗

对!SPSS回归分析中AdjR方指的是调整R方

正或负相关

毒力回归方程是什么,回归系数中的R表示负相关系数,R的平方是表示自变量能够解释因变量的变异程度.请详细说明你的问题,或许我能帮你解决.

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

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.

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.

首先你要认识到,一般来说SPSS里头每一行是代表一个调查对象的所有回答.以这种方法去考虑就需要每个题都设置一个变量,按123编制选项.最后通过SPSS的统计功能生成表格后再转到EXCEL中.另外还有一

球形检验没有结果说明案例数量少了,算不出来如果只有术前术后两个时间段的数据进行比较可以直接采用配对t检验就可以了,配对t检验本身就是针对针对同样被试做的前后侧进行的比较

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

±3.92这个指在不同的信度水平下的误差区间,即t*残差

不用if,先保存一个备份,用Transform->Recodeintosamevariable...,里面设置新旧值1>0,1->2,2->3,3->5就行了.

2个例数太少了啊再问：只有两个样本啊，两个数据，这个怎么解决啊？再答：做不了相关

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