多元回归模型vif什么意思

多元线性回归分析结果解读，一、模型拟核优度二方，比如二方为零点三，则说明所有 x 可以解释外百分之三十的变化原因。二、共限性判断通过 wave 或者容忍度判断自变量之间是否存在共限性，容忍度等于 e， wave 值 值大于五，说明有贡献性问题。三、自变量显著性查看 x 对应 t 检验的 p 值， p 值小于零点零五则说明 x 对 y 有显著影响。四、写回归模型公式，构造公式使用非标准化回归系数。五、对比分析 x 对 y 的影响大小， 使用标准化回归系数也可以直接参考 specs 智能分析与分析建议进行结果解读，你学会了吗？

多元线性回归分析结果指标解读，一、回归系数非标准化回归系数用于构建回归方程，标准化回归系数用于比较影响关系大小。二、 wave 值用于判断多重贡献性， wave 值小于五，说明不存在多重贡献性问题。 三、二方与调整后二方用于判断模型你和好坏二方等于零点。五，说明字变量可以解释应变量百分之五十的变化原因，调整后二方是加了自由度修正的二方不会随字变量个数增加。 rb 进一 四、 d w 值用于检验模型的自相关性，如果 d w 值在两附近，则认为不存在自相关性。

大家好，我是阿布主小牛奶，今天呢来给大家介绍多元 logistic 的回归，那么这个多元咱们之前是讲过二元的 logic three 回归，就有很多的同学就问我啊，这个多元呢要怎么做？这个结果要怎么看？今天就来给大家讲这个， 首先呢我们还是来复习一下什么是多元 logictoe 回归啊，首先看这个 logictoo 回归啊，他是什么意思呢？他其实就是一种回归分析，只不过呢他的变量是分类的，什么叫分类变量呢？比如说 你是男的还是女的呀？对吧？他只有两种分类啊，你是及格了还是优啊，还是良啊，还是差呀，对吧？那这是几种分类？那么这种呢就叫分类变量，在对分类变量变量进行回归的时候，我们就要应用到这个捞，这次又回归了，那么之前 咱们讲过二元的多元的，顾名思义呢，就是我们这个分类啊，分类中有很多种分类，比如说男和女就叫二元的分类，那么假设说啊，优良中差啊，这四种就叫四元的分类，也就是多元的分类。 那么我们做这个多元了，这个回归的时候呢，要是具体怎么去操作呢啊？我这里呢也是啊，随手找了一些数据，这些数据呢可能不是很好啊，但是呢咱们今天就拿它来举例， 首先呢我们点开这个分析中有一个回归，回归中有一个多元 logystick， 我们点开它，点开之后呢， 这个音变量啊，顾名思义就是把我们这个啊受影响的这个变量放在这里，然后 后呢我们把其他的资本量，也就是因子放在这里，然后呢在这个模型中啊模型，嗯，我们看一眼啊，就用它默认就可以。在这个统计中呢 有几个重要的值，我们要勾选上，就是这三个值，单元格、频率分类表，还有你和优度啊，要勾选上勾选点继续其他的我们全部就用他的默认选项就可以啊，给大家看一下。 好，然后点击确定，点击确定之后呢会生成啊这么一些东西。首先呢我们主要是看这四个表格， 模型你和信息，你和优度、 vr 方，还有这个四然 b 检验，我们先看这四个标准。首先呢我们看这个模型，你和信息，我们发现 他的显著性是大于零点零五的，这这个还比较巧，我这个例子他是零点零五一是比零点零五大的，那么我们知道他比零点零五大，那他是怎么着啊？他是不是就不显著了？不显著就代表这个模型他不显著， 那么这个时候我们就要对模型进行一个调整，那怎么进行调整呢？我们看第四个表格，他虽然比简约中啊，我们看到各个变量的显著性啊，都有一个体现。那我们看到这这里面的显著性，是不是我们发现 第三个您的家庭婚姻情况，他的这个显著性最大的，也就是说他其实上实际上他是最不好的一个变量，也就是说最不能解释啊， 对我们这个事情进行解释的一个变量，那我们在模型调整的时候就可以把这第三个去掉啊，我们把第三个去掉 清除，清除之后呢，我们用同样的方法再做一次，再做一次，这时候我们就发现 他的显著性已经到了零点零幺七，这个就已经小于零点零五了，对吧？那么这个就可以用了，就可以用了，这个模型就可以用了，接下来我们看你会有度， 牛油度，我看到这非常高啊，是一点零，这已经非常高了，一般牛油度就是零点六以上，对吧？然后这个尾 r 方啊，这个表格实际上不用太过于参考，因为我们知道真正的多元回归，他是很难去解释 啊，用看这甲方，真正的多元素的 r 方是不会非常高的，所以说这个表格我们作为参考就可以，主要看你和有度就可以。然后看这个自然笔，那个自然笔啊，实际上不是特别的理想啊， 总的来说，这三个别量对于这个事情来说，他都没有非常显著的影响啊，这个最好也是小于零点零五，那么我们现在假设他小于零点零五啊，因为我们有更多的这个数据了。假设他小于零点零五，我们 看下面这个表格，然后给大家告告诉大家具体怎么去看他下面的这个结果。 我们看这个结果非常乱啊，他分为这个二点二、二点四、二点六，一直到 这个三点八，是什么意思呢？就说我们这个结果呀，嗯，对环保问题认知程度，这个结果从二点二到三点八有这么多个结果，那么每个结果中呢？ 他又有不同的分类，比如说根据年龄分类，根据性别分类，根据学学历去分类。那么具体怎么去看呢？我们要这么看看显著性这一例， 显著性这一列如果出现小于零点零五，我们就抓住他，好，我们现在往下数啊，这点没有没有没有， 找一个零点二五九，这个也不行啊，要小于零点零五，没有没有，零点零九七不行，零点 二零九二不行。 哎，终于出现了，哎，不容易啊，哎，打车了，在这不容易哈，我们在三点八的这一个结果中， 终于在学历这块找到一个小于零点零五的，对吧？这是零点零二五，那这是什么意思呢？也就是说 在当学历等于二的时候啊，这二我忘了是什么了，因为他分一二三四五，假设这个是小学，中学啊，本科研究成博士，那就是说中学的学历对于他的这个环保 得分三点八，环保意识得分三点八的这个情况下，他的影响是显著的，对吧？他的影响是显著的，也就是说 这个中学的学历啊，对于这个选项的时候是显著的。那么同理，假设说其他的啊，因为我没有看到我这个结果中其他小于这个零点零五的数啊，假设其他也有，也有这样的数 啊，你往下排，可能他有四啊，有五啊，将来你做的时候，对吧？他有四有五啊，哎，你发现这个学历越高，比如说他到了本科，到了硕士，哎，他的这个环保，这个 环保认知的程度呢，越来越高，但是你可以就可以得出一个结论，对吧？什么结论呢？就是说学历越高， 那么对环保的认人程度就越高啊，这个就是多元了，这次回归的一个大概的啊，模型的检验啊，就是他结果的意义， 那么具体呢？我这没有比较好的数据，所以说比较抱歉啊，大家可以根据自己的数据然后去做啊，希望大家做的结果，比如我这个要理想啊。