文档介绍：
【注解】从散点图可知:每天手机阅读频率与手机阅读获得满足相关性小。
相关性
您每日手机阅读的频率是?
无聊、消遣
您每日手机阅读的频率是?
Pearson 相关性
1
-.026
显著性(双侧)
.575
N
462
462
无聊、消遣
Pearson 相关性
-.026
1
显著性(双侧)
.575
N
462
468
【注解】相关变量的Pearson 相关系数=-〈0,表示呈负相关;相关系数检验对应的概率P值=,,,应接受原假设,即每天手机阅读频率与手机阅读获得满足没有显著的相关性。
描述性统计量
均值
标准偏差
N
您每日手机阅读的频率是?
462
无聊、消遣
462
输入/移去的变量b
模型
输入的变量
移去的变量
方法
1
无聊、消遣a
.
输入
a. 已输入所有请求的变量。
b. 因变量: 您每日手机阅读的频率是?
【注解】上图显示是回归分析方法引入变量的方式
模型汇总b
模型
R
R 方
调整 R 方
标准估计的误差
1
.026a
.001
-.001
a. 预测变量: (常量), 无聊、消遣。
b. 因变量: 您每日手机阅读的频率是?
【注解】上图是回归方程的拟合优度检验。
第二列:两变量的相关系数R=
第三列:被解释变量和解释变量的判定系数R方=;判定系数远离1,说明回归方程对样本数据的拟合优度越低,被解释变量可以被模型接受的部分较少。
第四列:被解释变量和解释变量的调整判定系数R方=-。
第五列:回归线性方程的估计标准误差=。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
03467
1
.017
.066
.797a
残差
448
.249
总计
449
a. 预测变量: (常量), 无聊﹑消遣?。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
03467
1
.017
.066
.797a
残差
448
.249
总计
449
a. 预测变量: (常量), 无聊﹑消遣?。
b. 因变量: 您每日手机阅读的频率?
【注解】上图是回归方程的整体显著性检验—回归分析的方差分析。
第二列:被解释变量的总离差平方和=;被分解为两部分:回归平方和=,剩余平方和=。
F检验统计量的值=,对应的概率P=,,应接受原假设,结论:回归系数不为0,被解释变量与解释变量的线性关系不显著,不可建立线性模型。
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
.172
.000
无聊、消遣
-.027
.048
-.026
-.561
.575
a. 因变量: 您每日手机阅读的频率是?
【注解】回归方程的线性回归系数和常项的估计值,以及回归系数的线性显著检验。
第二列:常数项估计值=:;回归系数估计值=。
第三列:回归系数的标准误差=-
第四列:标准化回归系数=-
第五﹑六列:回归系数T检验的t统计量值=-561,对于的概率P值=,,接受原假设,结论:回归系数不为0,被解释变量与解释变量的线性关系不显著。
Yi^=-
残差统计量a
极小值
极大值
均值
标准偏差
N
预测值
.027
462
标准预测值
-
.000
462
预测值的标准误差
.053
.127
.066
.019
462
调整的预测值
.028
462
残差
-
.000
462
标准残差
-
.000
.999
462
Student 化残差
-
.000
462
已删除的残差
-
.000
462
Stu