SPSS分析结果怎么看

这个是因子分析的结果
第一个表可以忽略
第二个表是提取的因子方差贡献率，可以看出你这个提取了一个主成分对总体方差解释率达90%以上，这一个主因子的解释率很高了已经

第三个表是说明每个原始变量在主成分上的载荷系数

第四个表 是得分系数，可以根据最后一个表来构建出主因子得分的方程

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<005一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<005,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
希望对您有用

当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量、数据录入、统计分析和结果保存下面将从这四个方面来对问卷的处理做详细的介绍Spss处理:第一步:定义变量大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类)我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值现在我们以问卷第一个问题为例来说明变量的设置为了便于说明,可假设此题为:1请问你的年龄属于下面哪一个年龄段( ) A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会d出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会d出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明1开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可2多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项现在举例来说明在spss中的具体 *** 作比如如下一例:请问您通常获取新闻的方式有哪些( )1 报纸 2 杂志 3 电视 4 收音机 5 网络在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。到此,我们的定义变量的工作就基本上可以结束了下面我们要作就是数据的录入了首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了第二步:数据录入 Spss数据录入有很多方式,大致有一下几种:1读取SPSS格式的数据2读取Excel等格式的数据3读取文本数据（Fixed和Delimiter)4读取数据库格式数据(分如下两步)（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下1 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案2 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5……的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题以次类推我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的)3我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了第三步:统计分析 有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择SPSS有数值分析和作图分析两类方法1作图分析:在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：:(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。(2)Interactive：交互式统计图。(3)Map：统计地图。(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图 散点图 线图 直方图 饼图 面积图 箱式图 正态Q-Q图 正态P-P图 质量控制图 Pareto图 自回归曲线图 高低图 交互相关图 序列图 频谱图 误差线图 作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体 *** 作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好2数值分析:SPSS 数值统计分析过程均在Analyze菜单中，包括：(1)、Reports和Descriptive Statistics：又称为基本统计分析基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。Descriptive Statistics包括的统计功能有：Frequencies(频数分析)：作用:了解变量的取值分布情况Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理Explore(探索分析)：功能:考察数据的奇异性和分布特征Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系Reports包括的统计功能有：OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。Case Summaries(观测量列表)：察看或打印所需要的变量值Report Summaries in Row：行形式输出报告Report Summaries in Columns：列形式输出报告(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。以下是进行均值比较及检验的过程:MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合T test 过程：对样本进行T检验的过程单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic： 二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。 非参数检验的过程有以下几个:1Chi-Square test 卡方检验2Binomial test 二项分布检验3Runs test 游程检验41-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验52 independent Samples Test 两个独立样本检验6K independent Samples Test K个独立样本检验72 related Samples Test 两个相关样本检验8K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Classify(聚类与判别)等等以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果第四步:结果保存 我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制、粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果总结: 以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了值得一提的是spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用]

您好,现在我来为大家解答以上的问题。spss做回归分析结果怎么看，spss进行回归分析结果怎么看相信很多小伙伴还不知道,现在让我们一起来看

您好,现在我来为大家解答以上的问题。spss做回归分析结果怎么看，spss进行回归分析结果怎么看相信很多小伙伴还不知道,现在让我们一起来看看吧！

1、首先看 方差分析表 对应的sig 是否小于005，如果小于005，说明整体回归模型显著，再看下面的回归系数表，如果这里的sig大于005，就说明回归模型不显著，下面的就不用再看了。

2、其次，在回归模型显著的基础上，看调整的R方，是模型拟合度的好坏，越接近1，说明拟合效果越好。

3、这个在一般做论文中，不需要管它的高低，因为论文重在研究方法和思路的严谨性，导师不会追究你的结果是对是错，你的数据本身就不一定有质量，所以无所谓，不必在意。

4、第三 看具体回归系数表中每个自变量 对应的sig值，如果sig小于005，说明该自变量对因变量有显著预测作用，反之没有作用。

先看Anova表，主要看的是F和Sig值，再看模型汇总表：R表示拟合优度。
一般sig小于零点零五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零，表明自变量可以有效预测因变量的变异，即有百分之九十五的把握结论正确。R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，一般认为R方大于零点四表示模型是比较合理的，当然值越接近1表示模型越好，表中的结果就是表示模型比较合理。
回归分析是科学研究领域最常用的统计方法，运用十分广泛，是探察变量之间的数量关系，并通过数学表达式来描述这种关系，进而确定一个变量或者几个变量对另一个变量的影响程度，要之其运用。

---