论文答辩回归分析

1.对整个模型进行检验：似然比检验（likelihood ratio test)，统计量为G2.对单个回归系数进行检验：Wald Χ2(chi square，不是埃克斯二)，统计量Wald Χ2服从卡方分布。具体参考相关书籍

相关分析只是粗略得到了两个变量的关联程度或者说共变异程度，只检验的变量间关系的强度，但没涉及变量间具体影响关系或者路径的检验，通常只被视为是一种描述性的分析。比如我们得到收入和能力的相关，这说明二者有关联，但究竟是能力影响收入，还是反过来，相关分析是不检验这个的。回归可以同时用于检验变量间关系的强度和方向。而且回归还有个好处是但凡进入回归方程的变量，就可以视为是对该变量的效应有所控制，所以回归得到的变量关系时控制了其他无关变量之后的，得到的变量关系要比相关分析更为准确。

你这个就是线性回归第一个表 表示模型的整体拟合度，只要看调整的R²即可，这个调整的R²的范围在0-1之间，越接近1，表示模型的拟合效果越好，越接近0，拟合效果越差。你的只有，即13%左右，说明你的自变量只能解释因变量13%左右的变化，拟合效果有点差。第二个表 表示模型是否显著，这个表跟第一个表是两个概念，模型是否显著与模型拟合效果没什么关系，从你的第二表可以看出，模型效果显著，即模型有效，因此在一般情况下，你可以使用这个回归，但是在实际很多研究中，你这个模型有限，但是拟合效果很差，说明要么是自变量的选择有问题，要么是模型选择有问题。当然如果你只是个论文或者作业什么的，只要模型显著就好，要求高的话，可以尝试下看非线性的模型拟合下看效果如何。第三个表 是自变量的回归系数表，标准化和非标准化的回归系数都可以。但是你这个回归系数中，只有一个常数项。没有其他自变量。常数项是没有什么意义的，可以忽略，但是你的自变量没有了。也就是这个回归模型没有什么实际意义