线性回归的自变量可以为定序变量吗

不显著就应该剔除,除非你想硬塞进这个自变量,那你只有改数据了

不相关的两个变量（比如分布在一个半圆或一个抛物线上的点的坐标值）也是可以根据公式求出【回归直线方程】的.不过如果同时计算出相关系数的话,会发现相关系数的绝对值非常低.所求出的方程没有实际的指导意义.

如果因变量是分类变量,哪你采用多元回归分析就是错误的了应该采用logistic回归来进行的因变量的4分类是否属于有序的还是无序的如果有序,则使用有序多分类logistic回归若无序,则使用无序多分lo

全国2009年10月高等教育自学考试计量经济学试题课程代码：00142一、单项选择题（本大题共25小题,每小题1分,共25分）在每小题列出的四个备选项中只有一个是符合题目要求的,请将其代码填写在题后的

一元回归分析中,自变量和因变量的相关系数的平方等于回归模型的判定系数.所以相关系数为0.8

用SPSS进行多元回归以后,系统会自动给出x1、x2和x3（从大到小）的R的平方和,相减就是解释率.

如果自变量里面的分类变量是只有两个分类的,那你就把它跟其他定量自变量一起挪到自变量对话框就可以的如果分类变量超过两个分类,有3个或以上时,需要实现设定哑变量或者是叫做虚拟变量.这个需要自己重新编码,就

建议使用逐步回归,这样可以排除不显著的变量

如果是非常不显著,建议删除,其它情况比如15%的水平下是显著的,建议保留,这得根据实际问题来.可以试着先将最不显著的剔除掉,再看看方程,也许就会出现显著系数增多的情况,建议一个个删除.

若两个变量之间具有线性相关关系,这条直线叫做回归直线.这个就是线性回归分析.根据给出的线性回归方程系数公式建立线性回归方程.描述两变量之间的依存关系；利用直线回归方程即可定量描述两个变量间依存的数量关

可以~回归以后再看是否出现自相关、异方差、多重贡献等问题,再修正就行了~再问：我在spss里面用的逐步回归，这个变量进了回归方程，可是和自变量的相关性很低，所以不知道可行不可行！再答：首先逐步回归应用

统计学中想比较回归系数之间的差异,可以利用标准化回归系数,通过比较回归系数的标准化值的大小来比较变量的影响程度,当然前提是,回归系数都是显著的.另外,你可以用F检验或Wald检验对多个回归系数的线性约

不能它们是毫不相干的两码事

在试验设计（DOE）中一元回归分析的自变量、因变量不会服从正态分布的.在完成数据的一元回归分析后,应该检验回归分析的残差,包括残差对观测顺序、残差对自变量、残差对因变量、残差自身的分布都应该服从正态分

.x=5+4+3+2+15=3，.y=2+1.5+1+1+0.55=1.2，∴b=5×2+4×1.5+3+2+0.5−5×3×1.252+42+32+22+12−5×32=0.35，a=1.2-0.3

Analyze->Regression->Multinomiallogistic,自变量（Factors）、因变量放好,再设置一下就OK.logistic回归只是针对因变量是分类变量,对自变量是哪种类

年份就是一个标识,不能做变量.做一元回归就是一个因变量和一个自变量.比如GDP和消费水平,GDP可以做自变量,消费水平可以做因变量.若年份是自变量,就是说年份是引起营业收入的原因,你觉得年份能不能引起

我暑假做的一篇论文就是用Logistic模型做的,用的SPSS17.0,都是自学的说（我开学大四,我们学校本科阶段不教计量经济学和SPSS软件,比较苦逼）,废话不多讲,直接上主题.根据我两个月来的理解

两种方法得到的直线是不一样的,因为一个是以Y方向上的误差平方和最小,另一个是X方向上的误差平方和最小.这从其计算公式可看出：y=bx+ab的分子为：(x1y1+x2y2+...xnyn)-nx'y',

一般可以用统计软件中的逐步回归方法,可以自动把有意义的变量纳入到回归模型里面；也可以先做单变量的回归,然后把单变量分析有意义的自变量都纳入到回归模型里,做多元回归,但是在临床或者实际上有关联的重要观察