关于spss的多元线性回归分析，几个小问题

先放一张图：

典型的分层回归，模型1是因变量和控制变量，模型2加入了自变量和两个调节变量，模型3加入了两两乘积，模型4加入三项乘积。
我的问题：
① 这里报告的系数应该是标准化系数吧，即Standardized Coefficients下面的Beta值，我觉得如果报告的是非标准化系数，常数项这个信息就被忽略了。

② 如果要写出回归方程，是不是使用标准化系数和非标准化系数都可以？
但是，鉴于只有非标准化系数是基于原始数据算出来的，所以如果要结合各个变量的原始取值进行讨论，那就只能用非标准化系数了，right？


③ spss对数据进行标准化，具体采用的是什么方法？是0-1标准化，还是Z标准化？


④ F检验的结果表明回归方程是否显著，不报告F值的结果是否合适？
另外，F检验是否只看sig值，F值本身的取值是否有个参考区间？比如F值100多，接近200是否合适？


⑤ 对多元线性回归来说，Adjusted R方  更科学，为什么大家都不用？如上图，还是报告 R方，以及对应的 △R方。。


其实照猫画虎，大概也能跑出来个结果，但本人比较爱钻牛角尖，希望能有老师帮着解惑啊，O(∩_∩)O谢谢   

我也有一些想法，和楼主分享。
① 报告标准化系数和非标系数都有，看具体的研究需要。再者，很多时候我们更关注符号，具体的值大小意义不大；
② spss用的是z标准化；
③ F检验的重点在sig值，具体大小不重要；
④ 也不好说调整后R方一定更科学，R方反映了能解释的变差多少，即使是因为新增变量导致的，也有意义。
希望能帮到楼主，更详细的也可以给我发邮件，地址私信给你了。

你好！
你的问题，都是管理统计学中常见的问题，许多人都有过类似的疑惑。
现在先回答一下R方的问题。个人认为看调整后 的R方更合适，但事实上，解释程度这一指标不是很关键，无需深究。。。。另，报告△R方是为了说明调节效应的情况。
先确认一下图片中的论文的期刊来源是否权威，建议找一篇权威期刊的论文做深入分析，举一反三。。

标准化只是便于统一单位，F值，R方只能说明方程拟合程度好坏，关键看你方程有没有意义，能否进行解释。

回答一下你关于F值得疑问，判断结果是否显著只需要看sig值（也就是P值）,不需要纠结F值的范围，因为它是根据查表临界值进行对比的，只要看P值判断显著性水平就可以了。P值一般有三个判断，0.01，0.05和0.1，分别代表不同显著性水平下的判断标准。

对于多元回归来说，可以不用特别关注它的R平方，关键看模型的经济意义以及检验结果，如果各个检验都很显著的话完全可以，一般来说SPSS的标准化是Z标准化

至于分层回归中变量间交互作用的影响，其评价指标有R方和△R方，同时F值与之相对应，均能说明回归检验效果，不必纠结“那个可以或者不可以”此类不是问题的问题！！！结合回归模型分析结果，如何进一步深入探讨变量之间的因果关联关系，并发现其中的重要结论这是关键。有关你提及的标准化问题，分层回归中只有在涉及变量交互作用时才会使用，具体参见上海同济博士相关课件，有需要我会提供的！

一般F值主要在工具变量检验是否过度识别的时候比较才会看值域吧，仅仅是多元回归看Sig.是否通过检验就行。R方就是表示拟合优度的值，倒也不必过于关注。

调整后的R方是对统计中出现的设定偏误进行修整，两个都可以报告。

1&2.正常情况下，我们在报告模型的时候其实都报告的是非标准话系数，SPSS之所以有标准话系数是为了消除单位的影响，有些情况下我们需要看标准化系数，因为单位有时候是对回归系数产生影响的，但是情况不多见，一般还是以非标准话为主；
3.SPSS标准化是Z标准化而非0-1标准化；
4.F的值大小没有特定的标准，关键看P值也就是软件报告的sig值，当然F越大越好，因为这样就拒绝原假设，即认为解释变量是联合显著的，一般软件中统计显著性水平取alpha=0.05，当然也可以自己设置，只要sig报告的值小于确定的显著性水平，那么就说明解释变量是联合显著的；
5.Adjust Rsquare 的确是比Rsquare更科学，因为它剔除了当随着解释变量增大RSS自然而然会变小的影响，从而比R square更加的稳健，但是习惯中在报告模型的时候还是报告R square，但是其实判别模型的优劣程度R　square和　Adjust R square只是作为参考，更科学的指标要看AIC（施瓦茨准则）和SIC（赤池信息准则）；

希望能对你有所帮助