如果利用SPSS得到线性方程

听上去有点乱.你确定a和b是两个因素吗?为何要比较a和b的不同水平呢,就像个子矮和体重大这俩根本就是不同纬度的,不适合用来直接比较吧.我推测是你的实验设计或变量设置不清晰,建议你补充说明一下再问：您好

后面那个是指评估项目的标准化克朗巴哈系数,我们一般看的也是这个系数.之所以要标准化的一个主要目的是要消除项目之间的一些误差,使结果更接近实际吧.具体怎么算就不清楚了.

可以认为相关性是越大的,但是这样来解释的话本人感觉有缺陷.首先,维度1、2可以理解为通过主成分分析得到的两个主因子,因此这两个维度的含义需要参照维度得分来解释,而维度得分恰好就是上面二维图像的横纵坐标

Data-Orthogonaldesign好好考虑试验目的哦.要是设计出错了,那就白搭了……其实还有很多方法可以用较少的试验达到较好的效果.eg.PB.RSA求最优

只要你知道ARIMA模型的原理操作就是比较容易的事情啦

对SPSS来说,直接用原始的数据就可以进行因子分析,相关系数矩阵只是其生成结果的一部分,根本用不着先输入相关系数矩阵,再去做因子分析,这样SPSS反而做不出来

这个可以在非线性回归中直接做,如果你不会,可以先将这些非线性模型转换成线性的再进行回归.比如第二个模型,你先将ln(8-Q)求出来,记作Y,然后再用Y=-kt进行线性回归,不知道你是否明白我的意思,这

analyze-correlate-bivariate-选择变量OK输出的是相关系数矩阵相关系数下面的Sig.是显著性检验结果的P值,越接近0越显著.另外,表格下会显示显著性检验的判断结果,你看看表格

在analyze下拉菜单点correlate

主成分分析就在因子分析里面,你选择的时候一般默认的就是主成分分析聚类一样的,在SPSS的分析里面有个聚类分析傻瓜操作,不难

的检验是为了检验是否适合做因子分析,一般来说KMO的值越接近于1越好,大于0第三个表是旋转因子载荷,是为了方便对提取的两个公因子命名,旋转后,第一再问：请问这和KMO检验有什么关系呢？我是在旋转因子求

残差就是resid项我替别人做这类的数据分析蛮多的再问：����ô�ܵõ����ģ�͵IJв��أ�ÿ��ָ��IJв��أ���ʽ��ʲô��lsyresid?���ǣ��в�ƽ������в�Ӧ���

因为F检验的sig值>0.05所以齐方差性满足,只看第一排的T值,因为T检验的sig值=0.004再问：我知道结果表示什么意思。我会分析结果。现在我意思是说，这个结果如何在论文中描述，要是作图怎么表示

不能用皮尔森相关检验,结果只能说明两变量的相关性,不能推及到有没有相互影响的结论.统计理论与语言都是要求很严谨和精确的,有没有影响可以做回归分析,如果结果是有影响,也只能说是自变量X对因变量Y有影响,

菜单中选择Analyze>DescriptiveStatistics>Frequencies,单击Statistics按钮,在PercentileValues栏中,选择Percentile(s),输入

你自己根据各个因子中哪个或哪些变量的系数大来命名即可

不是spss出问题,是你的数据和你的知识水平出了问题我替别人做这类数据分析蛮多的

选择Graph--Scatter/dot..在新的对话框中选择simplescatter,单击define.将两个变量分别拖到Xaxis和Yaxis.单击OK.图形生成了.双击图形,出来一个新的窗体.

这是两个不同的问题,你的问题本身是矛盾的.拟合线性方程,至少是两个变量,一个自变量,别一个因变量,才能回归出一个方程.而您又要比较两条方程,这是不可能的.是一个矛盾问题.第二,您可能想看二者的相关性,

首先,工具,加载项,确定.（如果没有,那Excel就解决不了了）点中第2行,插入行.在B2,C2,D2,E2中分别输入-1,1,1,-1在F3输入公式=sumproduct(B$2:E$2,B3:E3