spss线性回归分析结果解读
用spss多元线性回归之前做了数据标准化处理，回归系数的常数项为5.170E-16，接近于0了，请问什么问题？
用spss多元线性回归之前做了数据标准化处理，回归系数的常数项为5.170E-16，接近于0了，请问什么问题？
多元线性回归之前不能做数据标准化处理，否则会出现错误的结果。
标准化之后自变量和因变量数列几乎相同或者是相差无几了，所以常数项肯定几乎是0
SPSS分析原理？
线性回归
一种统计分析方法
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y w#39x e，e为误差服从均值为0的正态分布。
回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
spss线性回归分析解读？
一般来说线性回归分析报告包含以下三个方面:
一、模型摘要，摘要告诉我们模型的拟合性如何。
二、方差分析，方差分析的本质是检测r平方是否显著大于零。
三、回归分析,回归系数表格列出了输出模型的偏回归系数估计值，非标准化系数表示各变量的拟合系数。
纳入那些自变量进行回归预测是由研究者根据专业和经验结合统计结果决定。而不是单单根据统计结果决定，当自变量较多需要筛选自变量时，不同的筛选方法，也会得到不同的结果。
SPSS多元线性回归结果怎么判断是有效的？
你的回归方法是直接进入法 拟合优度R方等于0.678，表示自变量可以解释因变量的67.8%变化，说明拟合优度还可以。
方差检验表中F值对应的概率P值为0.000，小于显著度0.05，因此应拒绝原假设，说明自变量和因变量之间存在显著的线性关系。
参数检验表中只有自变量X2和常数项的概率P值为0.000，小于显著度0.05，而自变量X1和X3的概率P值大于显著度0.05，说明只有自变量X2对因变量在总体中存在显著的线性关系，X1、X3和因变量在总体中不存在显著的线性关系。
得到的线性方程为：y-4.517-0.000028X1 0.76X2 0.000074X3（记住这里用的是直接进入法进行拟合方程的，所以即使X1和X3没通过检验，也要放到方程中去）