《SPSS数据分析教程》——回归分析.pptVIP

F检验的 被拒绝，并不能说明所有的自变量都对因变量Y有显著影响，我们希望从回归方程中剔除那些统计上不显著的自变量，重新建立更为简单的线性回归方程，这就需要对每个回归系数做显著性检验。 即使所有的回归系数单独检验统计上都不显著，而F检验有可能显著，这时我们不能够说模型不显著。这时候，尤其需要仔细对数据进行分析，可能分析的数据有问题，譬如共线性等。 调整的R2 随着自变量个数的增多，不管增加的自变量是否和因变量的关系密切与否，R方都会增大；调整的R方是根据回归方程中的参数的个数进行调整的R方，它对参数的增多进行惩罚，调整R方它没有直观的解释意义，它的定义为 应用举例 数据文件performance.sav记录了一项企业心理学研究的数据。它调查了一个大型金融机构的雇员，记录了他们和主管的交互情况的评价和对主管的总的满意情况。我们希望该调查来了解主管的某些特征和对他们的总的满意情况的相互关系。 打开数据文件performance.sav，选择【分析】→【回归】→【线性】，如图8-3所示。把变量Y选入到因变量框中，把变量X1到X6选入到自变量框中，其他选项保留默认值。单击【确定】。 结果及其解释 “t”列记录了各回归系数t检验的t统计量，而Sig.列记录了相应的显著性值。这里，只有X1和X3的显著性值小于0.1，注意到回归方程的常数项也不显著。然而，大部分情况下不显著的预测变量都要从