2024-06-27
线性回归（最常用） 一元线性回归： 步骤如下 （1）作两变量散点图－观相关性； （2）选定自/因变量，进行回归分析； （3）回归方程检验（方程意义、显著性、系数显著性、残差（观测值-预测值）分析）； （4）回归方程修正。
表一的r值是复相关系数，r方是决定系数，r方表示你的模型可以解释百分之多少的你的因变量，比如你的例子里就是可以解释你的因变量的百分之八十。很高了。表二的sig是指你的回归可不可信，你的sig是0。000，说明在0.01的水平上你的模型显著回归，方程具有统计学意义。
判断模型是否有预测能力，其实就是模型检验，模型检验除了统计意义上的检验，还有实际意义上的检验，就是检验是否跟事实相符，比如收入与消费应该是正相关的，如果消费为被解释变量、收入为解释变量，如果收入的系数小于零，那肯定是不对的。
如果严格按照必须服从正太分布，恐怕很少有数据能完全匹配的。一般情况下，只要不是严重偏态，再加上你的数据量也足够，可以采用常规的适用正态分布的一些分析方法进行分析。如果是严重偏态的，可能就需要对数据本身进行一些处理或变换。
你的系数表里的p值，就是sig，六项里边有四项远大于0.1，根本没有意义啊。so，你这个模型非常失败。建议换个模型。用逐步回归法，或者向前法，向后法，反正就那么几种回归。此外可以试试趋势面分析。
如果严格按照必须服从正太分布，恐怕很少有数据能完全匹配的。一般情况下，只要不是严重偏态，再加上你的数据量也足够，可以采用常规的适用正态分布的一些分析方法进行分析。如果是严重偏态的，可能就需要对数据本身进行一些处理或变换。
数据转换：如果数据不符合正态分布，可以尝试对数据进行转换，使其更接近正态分布。常见的数据转换方法有对数转换、平方根转换、倒数转换等。转换后的数据可以使用正态分布的统计方法进行分析。探索性数据分析：对于不符合正态分布的数据，可以进行探索性数据分析，以了解数据的特征和趋势。
如果用户使用“数据”菜单中的“分类汇总”命令创建了分类汇总数据清单，即可编辑SUBTOTAL函数对其进行修改。
Excel - 通用的基础分析平台作为最熟悉的工具，Excel开源免费，灵活性高，适合初级用户进行基础数据分析，但处理大规模数据和复杂分析时可能力有不逮。
《通道大数据》足球是很多年轻人甚至孩子都非常喜欢的一项运动。本软件是一款可以分析足球数据的软件。是目前全球领先、中国唯一的足球数据、实时视频处理服务平台。不过，该软件主要针对的是球员、经纪人、俱乐部、媒体等从事足球运动的人士。
FineBI：在国内口碑和发展还是不错的，通过大数据引擎Fineindx，可以自动建模，傻瓜式操作，只需在dashboard中简单拖拽操作，便能制作出丰富多样的数据可视化信息。进行数据钻取，联动和过滤等操作，自由分析数据。数据分析中规中矩，没有那么多突出亮点。
大数据分析平台有很多，好的有以下几个：思迈特软件Smartbi从取数、分析到报告，思迈特软件Smartbi提供一体化的闭环工作方式。
Tableau 这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。
大数据分析平台中，Apache Hadoop是一个广泛认可且功能强大的选择。Apache Hadoop是一个由Apache基金会所开发的分布式系统基础架构，它能利用集群的威力进行高速运算和存储。Hadoop最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。
演示机型：华为MateBook X系统版本：win10APP版本：SPSS v0 首先下载并打开“SPSS”软件。弹出下拉菜单中点击“打开”，在打开的对话框中选择“数据”。这样会弹出一个“打开数据”的对话框，也可直接点击文件下方的文件夹按钮打开。点击“打开数据”中的下拉按钮，选择桌面。
打开SPSS软件后点击右上角的【打开文件按钮】打开你需要分析的数据文件。接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击【图形】---【旧对话框】---【散点/点状】。
打开SPSS软件，在表格中录入以下数据。选择数据--个案加权选项打开，在打开的窗口中选择个案加权系数，之后将检测人数字段放入频率变量下方的框中确定。之后选择分析菜单—描述分析—比率选项打开。把阳性情况字段放入分子栏中，总体样本放入分母栏中，之后点击右下方的统计按钮。
步骤一：打开SPSS，导入数据启动SPSS软件，首先找到您感兴趣的数据集，这里我们以药物对身高影响的研究为例。在数据视图中，清晰地展示着实验变量（如图所示）。
1、因子分析在主成分基础上，多出一项旋转功能，该旋转目的即在于命名，更容易解释因子的含义。如果研究关注于指标与分析项的对应关系上，或是希望将得到的指标进行命名，SPSSAU建议使用因子分析。主成分分析目的在于信息浓缩（但不太关注主成分与分析项对应关系），权重计算，以及综合得分计算。
2、首先打开SPSSAU，右上角【上传数据】，点击或者拖拽原始数据文件上传。选择【进阶方法】-【主成分】，选择需要分析的题目，拖拽到右侧。点击“开始主成分分析”。可以自行设置好要输出的主成分个数，而不是让软件自动识别。
3、因子分析与主成分分析是包含与扩展的关系 首先解释包含关系。在SPSS软件“因子分析”模块的提取菜单中，提取公因子的方法很多，其中一种就是主成分。由此可见，主成分只是因子分析的一种方法。其次是扩展关系。因子分析解决主成分分析解释障碍的方法是通过因子轴旋转。
4、先在spss中准备好要处理的数据，然后在菜单栏上执行：analyse--dimension reduction--factor analyse。