spss中expB的含义

那时我的影子可谓愚顽.连琴上的那些弦也是单独的,虽然他们在同一的音调中颤动.用一道道目光染黄我幽深的森林.神秘的墙,那儿,无数鲜花不知等了多久　冥冥之中的他无关哈哈

_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

sig是显著性指标,一般大于0.05拒绝原假设,否则接受原假设,一般我们都是期望拒绝原假设,少数情况我们希望接受原假设,所以sig就是判断的依据.

在表因子变量解释贡献率（Total Variance Explained）中,看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of&n

...LZ说的太笼统了,其实SPSS是一款计算和分析能力很强大的软件,但楼主说的情况可能用excel做比较方便,你把文章输入excel,然后按"Ctrl+F",会出现查找字段的工具,你把需要查找的词组

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

meandifferense指两组的均值差,即x1的均数-x2的均数.95%confidenceintervalofthedifference是均数差值的95%置信区间表示为上述均数之差加减t界值乘以

1)、Mean:平均数,均数2)、Std.Deviation:标准差3)、Std.Error：标准误4)、ConfidenceIntercalforMean：均数的可信区间5)、LowerBound：

pearsoncorrelation表示R值也就是皮尔逊相关系数R>0代表两变量正相关,R

秩rank,是一种数据排序的方式,可以知道某变量值在该列所有值中的名次.秩是对应数值由大到小的,例如有100个数据都不一样的话,最大的数值对应的秩就是100,最小的就是1.有重复数据时候,会按同名称排

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

设xb=均值,xi=检验值,x^2=x*x,x^(1/2)=x平方根,均值差值={[∑(i=1,n)(xi-xb)^2]^(1/2)}/|xb|>0如果以百分比表示,均值差值=100%*{[∑(i=1

你说的：“原始标量数据后面会出现新的数据”不是标准化的数据,而是各因子的得分.

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

RSquare（R方）,回归模型的解释程度,值一般在0到1之间,如果值为0.89,则说明你这个回归模型能解释89%的样本.F为F检验的值,F检验主要是解决方差分析,F=可以解释的误差（组间误差）/不能

±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.

不好做,我感觉只能通过回归来预测出选择哪个媒体对于公信力评价的影响大.因为第一个题是属于多选的,按照录入后,可以将其看做多个有一定相关性的自变量而第二个题目的公信力评价是在基于第一个题目多选的基础上评