1樓：匿名使用者
主成分迴歸是為了解決解釋變數間共線性的，
2樓：匿名使用者
主成分分析和迴歸
copy分析是bai兩個不同的概念。
前者在數學du上稱為'降維'，即zhi把原來的多個變數換成較少
spss經過主成分分析後，得出3個因子，怎麼利用這幾個因子進行後續的迴歸分析。
3樓：
1.spss直接幫你把幾個因子都已經算出來了，就是fac1-1列就是因子f1，同理可以得知f2，f3....不用算的，如果問f1怎麼來的，就說是f1=0.
701x1-0.549x2+0.736x3+0.
216x4+0.112x5-0.318x6.
2.如果你進行主成分分析之後又要進行迴歸分析，應該是用提取出來的主因子作為自變數進行計算的，迴歸的話是只能有一個自變數，一個因變數才算迴歸的呢，如果不是的話，建議你使用多項式分析。
4樓：匿名使用者
你好。我遇到跟你同樣的疑問，請問你最後是在怎麼解決的呢？直接用得到的fac1-1,fac1-1-2來進行後續的迴歸分析嗎？急求，非常感謝！
spss主成分分析後如何再回歸，求問。
5樓：匿名使用者
主成分迴歸是一種應用於多重共線性的迴歸分析
可以做的，加我q
比較麻煩的
6樓：匿名使用者
主成分分析再做迴歸就沒意義
7樓：
再回歸幹嘛？？？毫無意義！！！
主成分分析已經是一個很完整的分析了！
急問！spss主成分迴歸分析後，要把標準化後的資料還原用來求原方程式，怎麼求啊！？ 20
8樓：之何勿思
用得到的print值做因變數，用原始資料做自變數。然後線性迴歸，所得到的迴歸係數就是線性組合的係數，然後做的迴歸相當於一個線性方程組，然後就可以還原成主成分迴歸方程了。
logistic迴歸主要分為三類，一種是因變數為二分類得logistic迴歸，這種迴歸叫做二項logistic迴歸，一種是因變數為無序多分類得logistic迴歸，比如傾向於選擇哪種產品，這種迴歸叫做多項logistic迴歸。
還有一種是因變數為有序多分類的logistic迴歸，比如病重的程度是高，中，低呀等等，這種迴歸也叫累積logistic迴歸，或者序次logistic迴歸。
9樓：匿名使用者
不會做就讓人幫你做吧
我經常幫別人做這類的資料分析
主成分迴歸**問題，我選取了1978-2023年資料，進行主成分分析後建立迴歸模型
10樓：匿名使用者
是的，主來成分分析
法是一種降維的自統計方法，它藉助於一個正交變換，將其分量相關的原隨機向量轉化成其分量不相關的新隨機向量，這在代數上表現為將原隨機向量的協方差陣變換成對角形陣，在幾何上表現為將原座標系變換成新的正交座標系，使之指向樣本點散佈最開的p
個正交方向，然後對多維變數系統進行降維處理，使之能以一個較高的精度轉換成低維變數系統，再通過構造適當的價值函式，進一步把低維繫統轉化成一維繫統。既然這樣，你需要用主成分迴歸分析解決迴歸模型中復共線性問題。這情況下也可以猜recpi和分支**行分支**是x86指令集的程式中大概有15%～20%的指令是分支架構分支**器能夠**直接和間接的跳轉分支和條件分支也不合理，再次主成分線性迴歸模型.
11樓：
我和你捋一遍。
主成分分析中做的標準化
，是對自變數內x做的，和因變數y無關，是為了求容x的相關係數矩陣r，然後把r特徵分解，選些特徵根和相應的特徵向量，其餘的拋掉，達到降維的要求。
看你的描述，你現在選了2個特徵值，然後對應有2個特徵向量f1，f2。此時你就有2個主成分z1，z2了，zi=fi的轉置*標準化後的x，i=1或2。
主成分迴歸從這兒開始，方程為y=b0+b1*z1+b2*z2，資料用07年以前的x和y，先用x得到相應的z1和z2，然後就普通的最小二乘得到b0b1b2的估計值。此時你要將標準化的x變回去，標準化的x=（x原始-均值）/樣本標準差，均值方差還用07年以前的，得到新的迴歸方程。最後再代入08-12年的資料，不用標準化，得到y。
主成分分析成分得分系數矩陣怎麼得出
在主成分分bai 析和因子du分析的結果中，都會產生成zhi分得分系數矩dao陣，用該矩陣中 專的係數與屬變數標準化之後的值對應相乘相加，便得出標準化的主成分得分，並且該值與 儲存為變數 輸出的fac1 1等是相等的 略微的差異應該是計算時四捨五入的誤差 分析 降維 因子分析 得分 勾選 顯示因子得...
origin進行主成分分析（pca）作圖,求解
analysis calculus integrate,自動生成一個worksheet和一個graph，最大值就是積分面積。但這個面積是和x軸之間的面積，也可 版先權基線校正tools baseline，可先選automatic，create baseline，不合適可modify，再area裡us...
主成分分析和因子分析有什麼區別
主成分分析和因子分析都是資訊濃縮的方法，即將多個分析項資訊濃縮成幾個概括性指標。因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關係上，或是希望將得到的指標進行命名，spssau建議使用因子分析。主成分分析目的在於資訊濃縮 但不太...