SPSS 中的线性回归摘要表

在本节中，我们将学习线性回归的其余表格。我们将学习方差分析表和系数表。这两个表如下所示

首先，我们将学习方差分析摘要表。当我们计算线性回归时，我们将得到一个方差分析摘要表，因为方差分析本质上是因果分析或线性建模的先驱。如果我们要寻找因果分析，并且我们将自变量的影响划分为许多类别或许多级别，如自变量的较低级别、自变量的中等级别和自变量的较高级别，并且如果这三个级别的自变量对因变量有显著影响，那么值得寻找实际的回归方程。因此，在这种情况下，不同级别的自变量正在被比较，我们发现这种影响在方差分析表中是显著的。请记住，为了使线性回归方程有效，此方差分析应该显著，并且R平方应该足够高。因此，我们的方差分析是显著的。这意味着我们可以进行线性回归分析，这是我们的最后一个表格的结果。

最后一个表格为我们提供了常数值，然后我们得到了未标准化系数的值，即B及其标准误差。之后，我们得到了标准化系数的值，即Beta。

我们拥有的变量是常数和广告支出。因此，B 和 Beta 在用来报告它们的单位类型方面略有不同。B 是无单位的。例如，如果我们花费在广告上，它可能以美元或我们的当地货币为单位。因此，如果我们报告这种影响，我们将说自变量以当地单位衡量。自变量的一个单位（以当地单位衡量）对因变量有1.073 单位的正向影响。

这意味着广告对因变量有正向影响，我们只是用当地货币来表示结果。例如，广告支出没有被报告，例如以何种货币衡量支出。

所以也许我们有几千的美元或我们不知道的东西。即使在这种情况下，当我们不知道货币和单位时，我们也可以说广告支出增加一个单位会导致销售额增加 1.073。因此，对于B 和 Beta 来说，我们在广告支出方面获得了几乎相等的销售额增长。

Beta 不受任何单位的限制。因此，beta 以标准差来衡量或报告。在这种情况下，我们将说广告支出的一个标准差变化将导致销售额的0.916标准差变化。

所以，这种影响再次是正向的。B 和 Beta 之间的区别在于，Beta 是中性的，它不是任何当地单位或货币，而 B 总是以当地单位或货币为单位。因此，报告线性回归结果的标准方式是Beta。除非或直到我们也在创建表格，否则我们通常不会报告 B。在表格中，我们可以报告B和beta。但是在声明的情况下，我们只报告标准的beta系数。

然后我们在这里有t统计量。T检验衡量我们得到的影响是否与零有显着差异。这非常重要。因此，与空数相比，我们可能存在非显着性差异。这种影响是通过使用t统计量来解释的，而t统计量再次高度显著。

所以我们可以说，总而言之，广告支出对销售额有正向影响。事实上，广告支出发生一个标准差的变化会导致销售额发生0.916个标准差的变化。