搜索
spss进行线性回归，得到的系数结果有标准化和非标准化：一般采用非标准化的回归系数。两者的主要区别有：1.标准化是去除量纲的2.标准化回归系数体现了变量间的相对重要性，而且与自变量的离散程度有关，如果其波动程度较大，那么就会显得比较重要；否则，就显得不太重要。标准化回归系数正是用于检测这种重要性的。3.标准化回归系数的比较结果，只适用于某一特定环境，而不是绝对正确的，它可能因时因地而变化。因而称标准化的系数是相对的，而非标准化的系数则是绝对的。当需要比较多个自变量对因变量相对作用大小时，可采用标准化回归系数，当只是想解释自变量对因变量的作用时，可采用非标准化的回归系数。标准化的常数项是没有值的，因此，标准化的回归系数不能用于回归方程。标准化的回归系数只是用于自变量间进行比较。回归系数为0.000,同时，显著性为0.000SPSS默认显示至小数点后3位，因此当数字小于1/1000时就只能显示0.000了。所以这种情况并不代表这个数字为0，而是表示它小于1/1000。要想显示完整数字，可以采取以下两个方法中的任意一个：方法1：双击表格，然后双击显示0.000的格子，你应该可以看到完整数字。如果由于格子的宽度不够而仍然看不到完整数字，你可以点击右键后选择复制，粘贴至WORD等软件中都可以看到完整数字。方法2：双击表格，右键点击显示0.000的格子，选择cellproperties（格子属性），在decimals（小数点）项上增加小数点位数至你所需要的位数。注意，如果你增加的小数点位数较多，而格子又不够宽，此时就会显示×××××。你只需要重新双击表格，然后双击显示×××××的格子，然后拖动格子的边框加宽格子的宽度就可以了。这种情况并不意味着这个因素的影响非常的小。事实上，由于这个因素的显著性为0.006，这表明该因素是有意义的。出现这种情况是由于普通的回归系数受到自变量和因变量数值大小的影响。比如，如果你的自变量的测量单位是“吨”，假如将它改为“公斤”，那么自变量的数值将扩大1000倍，此时回归系数将变成原来的1/1000。要避免以上情况，你可以参考SPSS提供的标准化回归系数，这个系数无论自变量和因变量采用什么单位都不会改变，你可以参考它来评价。但二元逻辑回归不提供标准化回归系数，只有线性回归才有。不过上面的解释仍然有效，也就是回归系数的大小不能作为评价效应大小的标准，应该以显著性作为评价标准。