1樓：匿名使用者
選擇不同的迴歸方法和變數選擇方法都可以得到不同的結果，
用二變數logistic迴歸、有序多變數logistic迴歸、無序多變數logistic分別試試
spss迴歸分析中，p值正好等於0.05，是否顯著？
2樓：夢heart兒
spss迴歸分析中，如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，就有理由拒絕原假設，p值越小，拒絕原假設的理由越充分。總之，p值越小，表明結果越顯著。p=0.
05=α=0.05 此時接受h0 表明引數相等或者無顯著性差異或者不顯著。
p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。
然而這並不直接表明原假設正確。p值是一個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。
擴充套件資料
顯著性檢驗有時，根據一定的理論或經驗，認為某一假設h0成立，例如，通常有理由認為特定的一群人的身高服從正態分佈。當收集了一定資料後，可以評價實際資料與理論假設h0之間的偏離，如果偏離達到了「顯著」的程度就拒絕h0，這樣的檢驗方法稱為顯著性檢驗。
偏離達到顯著的程度通常是指定一個很小的正數α（如0.05，0.01），使當h0正確時，它被拒絕的概率不超過α，稱α為顯著性水平。
這種假設檢驗問題的特點是不考慮備擇假設，考慮實驗資料與理論之間擬合的程度如何，故此時又稱為擬合優度檢驗。擬合優度檢驗是一類重要的顯著性檢驗。
3樓：呂秀才
這個嚴謹的說 就直接在**裡對這個p=0.05進行一個討論 可能是顯著 也可能是不顯著，因此可以在以後的研究中擴大樣本量進一步求證。
你就這樣在**裡面寫也是沒問題的
但實際是你雙擊以下 那個0.05 肯定後面還有很多隱藏的位數。所以不可能是恰好等於0.05，一般都是大於0.05
4樓：匿名使用者
可以看做顯著的
統計專業
使用spss分層迴歸分析,最終進入迴歸模型的變數有的p值卻大於0.05,這是為什麼?
5樓：皆有可能
spss迴歸分析中bai，如果p值很小，
du說明原假設zhi
情況的發生的概率很小，而如果dao出現了，根據小專概率原理，就有理屬由拒絕原假設，p值越小，拒絕原假設的理由越充分。總之，p值越小，表明結果越顯著。p=0.
05=α=0.05 此時接受h0 表明引數相等或者無顯著性差異或者不顯著。
p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。
然而這並不直接表明原假設正確。p值是一個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。
6樓：匿名使用者
迴歸模型
有納入和排除標準
不大於0.1就可以進入模型
7樓：
預設的進入標準不是0.05，你需要調整
用spss做logistic迴歸 一個自變數p＞0.05怎麼辦 5
8樓：
很正常的情況，不同統計方法的建模公式不一樣
造假是不建議的
用spss17做logistic迴歸分析，在「方程中的變數」結果中只有一個自變數p值〈0.05，其餘都〉0.05，怎麼辦？
9樓：匿名使用者
是的，不然把顯著性水平從5%改為10%，這樣子可能可以納入更多的自變數
怎樣應用spss進行多因素logistic 迴歸分析
spss多元線性逐步迴歸分析結果顯示變數進入方程並且p<0.05 但是怎麼又出來一個排除變數的exclude variable
10樓：
這是正常現象。在spss多元線性逐步迴歸中，早先已經進入方程的變數可以又被踢出來。多元線性逐步迴歸要求能留在方程中的變數必須要同時符合2個條件：
一是對模型必需要有足夠的影響力，二是對不能方程中的其他變數產生明顯的影響（也就是造成共線性）。因此，雖然一個變數已經進入了方程，但隨後進入的方程其他變數與它形成了共線性的話，那麼原先已經入選的變數可以被剔除，尤其是在原先入選的變數沒有後面入選的變數影響力大，或者是原先入選的變數對模型中其他變數的影響力比後面入選的變數大的情況下更是如此。
spss元線性逐步迴歸可以詳細列出每一步的入選或排除變數，你只有檢查一下就可以知道到底是哪一個變數入選後就把你關注的變數剔除出來。
一般來說，被剔除出來的變數對模型的**不會造成明顯影響，如果被剔除出來的變數與後面的變數具有高度共線性的話，那麼基本就不會造成什麼影響；如果被剔除出來的變數與後面的變數具有中度共線性的話，那麼多多少少會有一些影響，並且還會造成後面變數的剔除偏倚（後面變數的影響被高估）。
logistic 迴歸中如果常數項（constant）p值大於0.05是什麼意思？
11樓：匿名使用者
只有告知是spss才有p的含義,因為在spss中表示雙側尾概率.p-2tails. 我的意見是如果大於0.05那應該表示不具有該型別統計學回歸意義.
12樓：匿名使用者
不會出現任何影響。做迴歸時，常數項一般總是需要放進去的，這是為了避免模型誤設的問題，也就是說，假設真實的狀況是截距項不為0，迴歸時你取消了截距，則肯定就不對了。如果真實的截距為0，這時候取消截距做迴歸當然是對的，但問題的關鍵是你根本不知道到底真實截距是不是0。
其實，即使真是截距是0，迴歸中放入截距不會對其他的估計量帶來不利影響，所以，迴歸分析中，截距項總是要放進去的。當然，我不知道你研究什麼問題，在我所接觸的關於迴歸的研究中，截距項根本不是關注的重點，它顯著與否沒人關心，我們關心的是斜率係數是否顯著的問題。
SPSS多因素非條件logistic迴歸分析中的SE
spss多因素非條抄 件logistic迴歸 spss 多元線性迴歸分析 幫忙分析一下下圖，f p t p和r方各代表什麼？謝謝 先從最下面兩行說起 f是對迴歸模型整體的方差檢驗，所以對應下面的p就是判斷f檢驗是否顯著的標準，你的p說明迴歸模型顯著。r方和調整的r方是對模型擬合效果的闡述，以調整後的...
關於在用spss做單因素方差分析前的正態性檢驗的問題我是菜鳥呀，求幫助
是的，你的分析思路是對的 指的是每個組都是正態分佈 方差不齊的情況下，方差分析原則上不能用，注意，是原則上我替別人做這類的資料分析蠻多的 整組資料做方差齊性檢驗就可以了。因為你一共才18個資料，一般做出來方差不齊的可能性比較小，所以就放心做anova過程好了。1，正太檢驗需要每個變數都檢驗 2，可以...
用SPSS做迴歸分析，得到的t值和sig值都是空白，怎麼回事
因為你不會spss操作，但是在那裡亂在點 我經常幫別人做這類的資料統計分析的 spss線性迴歸實驗中t值和sig值為空，沒有資料 10 對於t檢驗一般不看t值，雖然t檢驗和f檢驗一樣是t值和f值越大越好，但標準不確定。所以一般就看看t值，主要是看t值的概率即t值的p值即t值的sig值，小於0.05就...