上一節介紹了線性回歸，雖然線性回歸能夠滿足大部分的數據分析的要求，但是，線性回歸並不是對所有的問題都適用， 因為有時候自變量和因變量是通過一個已知或未知的非線性函數關系相聯系的，如果通過函數轉換，將關系轉換成線性關系，可能會造成數據失真或更為復雜的計算，導致結果出現偏差 回歸分析中，變量轉換 ...

任何事物和人都不是以個體存在的，它們都被復雜的關系鏈所圍繞着，具有一定的相關性，也會具備一定的因果關系，（比如：父母和子女，不僅具備相關性，而且還具備因果關系，因為有了父親和母親，才有了兒子或女兒），但不是所有相關聯的事物都具備因果關系。 下面用SPSS采用回歸—線性分析的方式來分析一下 ...

多元線性回歸，主要是研究一個因變量與多個自變量之間的相關關系，跟一元回歸原理差不多，區別在於影響因素（自變量）更多些而已，例如：一元線性回歸方程 為： 毫無疑問，多元線性回歸方程應該為： 上圖中的 x1, x2, xp分別代表“自變量”Xp截止，代表有P個自變量，如果有“N組樣本 ...

非線性回歸過程是用來建立因變量與一組自變量之間的非線性關系，它不像線性模型那樣有眾多的假設條件，可以在自變量和因變量之間建立任何形式的模型 非線性，能夠通過變量轉換成為線性模型——稱之為本質線性模型，轉換后的模型，用線性回歸的方式處理轉換后的模型，有的非線性模型並不能夠通過變量轉換為線性模型 ...

數據分析真不是一門省油的燈，搞的人暈頭轉向，而且涉及到很多復雜的計算，還是書讀少了，小學畢業的我，真是死了不少腦細胞， 學習二元Logistic回歸有一段時間了，今天跟大家分享一下學習心得，希望多指教！ 二元Logistic，從字面上其實就可以理解大概是什么意思，Logistic ...

今天跟大家研究和分享一下：spss非參數檢驗——兩獨立樣本檢驗， 我還是引用教程里面的案例，以：一種產品有兩種不同的工藝生產方法，那他們的使用壽命分別是否相同 下面進行假設：1：一種產品兩種不同的工藝生產方法，他們的使用壽命分布是相同 ...

今天將我最近學習SPSS單因素方差分析（ANOVA)分析，今天希望跟大家交流和分享一下： 繼續以上一期的樣本為例，雌性老鼠和雄性老鼠，在注射毒素后，經過一段時間，觀察老鼠死亡和存活情況。 研究的問題是：老鼠在注射毒液后，死亡和存活情況，會不會跟性別有關？ 樣本數據如下所示 ...

在使用SPSS進行單樣本T檢驗時，很多人都會問，如果數據不符合正太分布，那還能夠進行T檢驗嗎？而大樣本，我們一般會認為它是符合正太分布的，在鈡型圖看來，正太分布，基本左右是對稱的，一般具備兩個參數，數學期望和標准方差，即：N(p, Q) 如果你的樣本數非常少，一般需要進行正太分布檢驗，檢驗 ...