关于回归与因子分析的几个问题，路过的帮忙解一下

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

  各位大侠帮帮忙，新手跪问几个问题：

我想问的问题有以下几方面:

    第一个问题是关于回归分析部分的，得出复相关系数为（Multiple  R）为0.640，R2（（R Square）为0.410，调整R2为0.399，估计值的标准误差为0.63，R2（（R Square）值小于检验值说明什么?对于已经得出的回归方程有没有影响? 

关于回归得出的散点图，要考察学生化残差的绝对值不大于2，是看横轴还是看纵轴？如果学生化残差的绝对值大于2，有异常点怎么办？

  第二个问题是关于因子分析的，共设置了30个指标,操作SPSS软件过程中，我设置了四个公因子，旋转后的因子载荷阵显示第一公因子在各指标上的载荷值除有两个小于0.5外,其余均大于0.5,第二个公因子在五个指标上载荷值大于0.5,第三个公因子在四个指标上的载荷值大于0.5,第四个公因子在各指标上的载荷值均小于0.5,(我查阅了一些书,有书上讲,因子载荷值大于0.3就能说明对公因子有贡献,所以对于第四个公因子,可不可以提取出因子载荷值大于0.3的指标),我最后把第一公因子称为综合因子,其他三个公因子则根据研究需要成为宏观因子,中观因子和微观因子.请问,这样操作有没有问题?另外如何对得出的四因素模型进行普遍性检验?
本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-426215-1-1.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：因子分析 Multiple Square pinggu spss软件 因子分析 帮忙

帮你顶。。。

我觉得从你的回归系数看就大概可以知道拟合系数不高，做因子分析有点不适合。你可以增加检验KMO和巴特利球形检验，看看。

这个很可能是导致你的因子分析在第一个因子的系数比较高的原因吧

KMO检验过了0.842,适合做因子分析,不知道为什么因子一的载荷值都那么高,是不是做因子分析前需要做什么处理?恳请楼上继续关注

 第一个问题：

    拟合优度不高说明拟合的效果不是很好，即有回归直线解释的变差比例较小，R为0.640说明相关程度不是很高。回归方程是否显著要用F检验来判断，若检验是显著的，则仍然可用。国外的计量经济书上有这种例子。 

    在SPSS里保存专门的学生化残差，一般作图时选择Y轴表示残差，看纵坐标即可。乳沟有异常点需要具体分析，看是什么类型的异常点，有的可以去掉，有的却是提醒你模型形式设定有误！你可以参考《例解回归分析》中回归诊断一章。

本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-426229-1-1.html

 第一个问题：

    拟合优度不高说明拟合的效果不是很好，即有回归直线解释的变差比例较小，R为0.640说明相关程度不是很高。回归方程是否显著要用F检验来判断，若检验是显著的，则仍然可用。国外的计量经济书上有这种例子。 

    在SPSS里保存专门的学生化残差，一般作图时选择Y轴表示残差，看纵坐标即可。乳沟有异常点需要具体分析，看是什么类型的异常点，有的可以去掉，有的却是提醒你模型形式设定有误！你可以参考《例解回归分析》中回归诊断一章。

本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-426229-1-1.html

 第一个问题：

    拟合优度不高说明拟合的效果不是很好，即有回归直线解释的变差比例较小，R为0.640说明相关程度不是很高。回归方程是否显著要用F检验来判断，若检验是显著的，则仍然可用。国外的计量经济书上有这种例子。 

    在SPSS里保存专门的学生化残差，一般作图时选择Y轴表示残差，看纵坐标即可。乳沟有异常点需要具体分析，看是什么类型的异常点，有的可以去掉，有的却是提醒你模型形式设定有误！你可以参考《例解回归分析》中回归诊断一章。

本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-426229-1-1.html

第一个问题

     拟合优度不高只是说明由回归直线可以解释的部分比例小，可能是最重要的影响因素遗漏。但只有模型能够通过F检验，还是可用的。国外计量经济学书上有这种例子。
本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-426229-1-1.html

关于学生化残差的图，需要看你是如何作的。一般输出的图有轴代表的变量名，是可以识别的。

至于异常点，要具体情况具体分析，首先要看是什么类型的异常点，有什么样的影响，有的可以去掉，有的则是提示你模型形式设定有误！建议你看一看《例解回归分析》的回归诊断部分。

谢谢楼上的，还有个问题就是我的论文框架设计的是影响因素有三个主因子，第一个因子是宏观因素，第二个因子是中观因素，第三个因子是微观因素。如果按照主特征值大于1提取，那么将会出现6个因子。为了配合我论文结构需要，那么提取三个主因子的话，其因子累计贡献率为67.5%,达不到85%以上,现在文章已经定型不太好改了,如果就提取三个主因子可以吗?