首先来说明各个符号，B也就是beta，代表回归系数，标准化的回归系数代表自变量也就是预测变量和因变量的相关，为什么要标准化，因为标准化的时候各个自变量以及因变量的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。T值就是对回归系数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显著性，在统计学上，sig<0.05一般被认为是系数检验显著，显著的意思就是你的回归系数的绝对值显著大于0，表明自变量可以有效预测因变量的变异，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。
回归的检验首先看anova那个表，也就是F检验，那个表代表的是对你进行回归的所有自变量的回归系数的一个总体检验，如果sig<0.05,说明至少有一个自变量能够有效预测因变量，这个在写数据分析结果时一般可以不报告
然后看系数表，看标准化的回归系数是否显著，每个自变量都有一个对应的回归系数以及显著性检验
最后看模型汇总那个表，R方叫做决定系数，他是自变量可以解释的变异量占因变量总变异量的比例，代表回归方程对因变量的解释程度，报告的时候报告调整后的R方，这个值是针对自变量的增多会不断增强预测力的一个矫正（因为即使没什么用的自变量，只要多增几个，R方也会变大，调整后的R方是对较多自变量的惩罚），R可以不用管，标准化的情况下R也是自变量和因变量的相关
已有3条回答
1、对于该数据指标的局限性以及实际中偷漏税行为及方式的多样性。可采用主成份分析法对解释性变量进行降维分析，检查是否适合因子分析法，看是否能分析出缩合指标。
2、因变量为二分类变量：0为是偷漏税，1为否。可采用二项分类logistic回归进行分析。
3、采用决策树模型进行分析。
4、采用神经网络进行学习分析，对于神经网络模型分为学习集与测试集，比例分配采用随机方式或训练集为30%，测试集为70%，具体数据在实际应用可以根据情况调整，本案例采用的是训练集为30%，测试集为70%方式。
分析过程01SPSS中变量定义02主成分分析法
1.首先安装好SPSS软件，然后搜索到软件、运行，如图所示，点击确定
2.将数据导入进SPSS，不会导入的小伙伴可以用复制、粘贴的方式哦，然后在菜单栏中选择分析-回归-线性，如图所示。
3.出现如图界面，将自变量、因变量数据导入到相应位置。选择右侧的"统计量"，选中参数如图4所示，选中"选项"如图5所示，选中"Bootstrap"如图6所示，然后点击下面的确定。
4.等待片刻，就会出现求解结果，如图所示，可以看到线性拟合决定因子R方为0.991，表示拟合程度还可以。
- 最新提问
- 等待回答
关于 FOLLOWME
科技产品
投资工具
服务条款
