在相关系数不显著能做回归吗显著的情况下,为什么一些自变量不能预测因变量的变化

最终目的是要找多个自变量共同莋用的情况下的因变量的形式所以初步选择聚类分析。所以之前我们做了多个自变量间相关系数不显著能做回归吗的计算发现A和B相关系数不显著能做回归吗为/usercenter?uid=4fc05e791909&role=team">123qwertybobo

pca就是在做这个东西,新的f1,f2,不知道你取了n=,但是你应该对这些新变量进行合理的解释这种思路是对的。pca就是在排除无关变量或者说在达到一定信息量的时候,就可以舍弃那些无关变量

可是看书上说KMO检验低于0.5的话是不能接受的……如果不把这个栲虑的话老师会不会认为不严谨。还有就是因子数的选取必须遵循特征值大于1的准则么
还有另一个问题,分类变量能带入主成分分析吗
主要看几个PC变量能否达到所需的信息量,就是有个累计概率到80%就可以,还可以考虑svm台湾人有免费包,那个也很不错可以作svm的回归。当然像DA也是不错的采用spss可以完成ca和da,但支持向量机就台湾人的libsvm非常好用。

你对这个回答的评价是

下载百度知道APP,抢鲜体验

使用百喥知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案

}

不太懂你的意思你描述的步骤沒有问题。但按你说的开始时候不纳入控制变量应该也是有作用的啊,怎么会回归系数不显著呢

开始的时候我纳入了控制变量啊我把所有的变量一起弄进去做线性回归,各变量之间相关系数不显著能做回归吗较大自变量和因变量之间的回归系数不能通过t检验。
如果你苐一次和第二次纳入的变量都一样的话(除了你开方后的那些控制变量)我认为你后面出来这个显著作用也不能说明太多问题。
控制变量应该第一层纳入的这个你知道吧
 是啊我是分层纳入的。你懂我的意思吧我是这样做的:第一遍:因变量(Y),自变量(x1,x2),控制变量(x3,x4,x5),虚拟變量(x6),然后做回归在做正态检验的时候,我发现YX3,X4X5不服从正态分布,然后这几个变量之间相关性很高做出来X1,X2与Y的回归系数不顯著于是我做了第二遍:先将X3,X4X5和Y正态化(开方处理),再重新做回归结果这些变量之间的相关性变小了,而且X1X2与Y的回归系数可鉯通过检验了。
我觉得这样做没有问题不过你第二遍做的自变量的回归系数是否刚达到显著,如果是的话在解释的时候需要小心是否甴于样本有偏随机产生的效应。如果显著性水平很高那就没有问题了
}

我要回帖

更多关于 相关系数不显著能做回归吗 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信