SPSS 多元回归分析，t检验，f 检验是啥，我的数据出来该怎么分析呢？请高手指教
F是对回归模型整体的方差检验，所以对应下面的p就是判断F检验是否显著的标准，你的p说明回归模型显著。
R方和调整的R方是对模型拟合效果的阐述，以调整后的R方更准确一些，也就是自变量对因变量的解释率为27.8%。t就是对每个自变量是否有显著作用的检验，具体是否显著 仍然看后面的p值，若p值＜0.05，说明该自变量的影响显著。
扩展资料：
多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。这里只介绍多元线性回归的一些基本问题。
但由于各个自变量的单位可能不一样，比如说一个消费水平的关系式中，工资水平、受教育程度、职业、地区、家庭负担等等因素都会影响到消费水平，而这些影响因素（自变量）的单位显然是不同的，因此自变量前系数的大小并不能说明该因素的重要程度。
更简单地来说，同样工资收入，如果用元为单位就比用百元为单位所得的回归系数要小，但是工资水平对消费的影响程度并没有变，所以得想办法将各个自变量化到统一的单位上来。前面学到的标准分就有这个功能。
具体到这里来说，就是将所有变量包括因变量都先转化为标准分，再进行线性回归，此时得到的回归系数就能反映对应自变量的重要程度。这时的回归方程称为标准回归方程，回归系数称为标准回归系数。
SPSS for Windows是一个组合式软件包，它集数据整理、分析功能于一身。用户可以根据实际需要和计算机的功能选择模块，以降低对系统硬盘容量的要求，有利于该软件的推广应用。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。
SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程。
比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS也有专门的绘图系统，可以根据数据绘制各种图形。
参考资料：多元线性回归_百度百科
t检验与F检验两者之间有3点不同，具体介绍如下：
一、两者的目的不同：
1、t检验的目的：t检验的目的是为了检验某一个解释变量对被解释变量的影响。
2、F检验的目的：F检验的目的是为了检验所有的解释变量对被解释变量的影响。
二、两者的使用场合不同：
1、t检验的使用场合：已知一个总体均数；可得到一个样本均数及该样本标准差；样本来自正态或近似正态总体。
2、F检验的使用场合：假设一系列服从正态分布的母体，都有相同的标准差。这是最典型的F检验，该检验在方差分析（ANOVA）中也非常重要。假设一个回归模型很好地符合其数据集要求，检验多元线性回归模型中被解释变量与解释变量之间线性关系在总体上是否显著。
三、两者的实质不同：
1、t检验的实质：主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。[1] t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
2、F检验的实质：通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
参考资料来源：百度百科-F检验
参考资料来源：百度百科-t检验
因此在做完F 检验后还须进行t 检验。
在建立多元线性回归模型时，t 检验是用于检验回归方程各个参数是否显著为0 的单一检验，F 检验是检验所有解释变量的系数是否同时为0 的联合检验。
t 统计量与F 统计量的构造原理及其概率分布都是不一致的，前者直接考虑参数的估计量是否“足够”接近于0，服从t 分布；后者则是从总离差平方和分解式出发，以回归平方与残差平方和的比值来推断解释变量整体对被解释变量的线性影响是否显著，服从F分布。因此，就一般而言，t 检验与F 检验不等相互替代。
事实上，在回归分析中，可能出现回归结果具有很高的F 统计量值，方程通过F 检验，同时所有解释变量均不能通过t 检验的情形； 也可能出现有些或全部解释变量通过t 检验，而方程却不能通过F 检验的情形。
若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。如果回归方程不能通过F 检验，则至少有一个解释变量不能通过t 检验，但并不能推出所有解释变量均不能通过t 检验的结论。若所有解释变量均通过t 检验，那么回归方程也能通过F 检验。
以上回答全部摘自：《回归分析中t 检验与F 检验关系的进一步探讨》作者：靳庭良1，张宝青2
此处提出本人看法：可以理解为：t检验是检验单个变量对回归方程是否显著的，而F检验，是检验所有变量总体影响之和是否对回归方程的贡献显著。也因此，只有F检验通过，就可以采用此回归方程，认为此回归方程可以反映众多应变量的综合效应。而且，只是没有通过t检验的这几个自变量对此回归方程的影响不大。 不过除此之外，我们也可以采取另一选择，即：虽然通过F检验，但是t检验有几个是没有通过的，这时我们采用剔除这几个对回归曲线贡献为0的自变量，然后重新进行求线性回归方程，相当于SPSS求回归曲线方法里的stepwise法。（我的这些推论可以有较大问题，仅供参考，我也急于求解，希望有高手斧正！！）
不知道你的顾客满意度得分和每个指标得分各表示什么意思
如果都是分数越高，表示越好的话，那就说明有问题了
及时客服响应、周密隐私保障、便捷物流配送这三者得分与顾客满意度得分是成反比的
第一个anova的F和sig表示回归方程的拟合效果的，sig小于0.05。，说明回归方程通过检验，可以使用
下面的回归系数表格中的B和标准化的B为各自变量的回归系数，用来构建回归预测模型使用的，而T和sig值是用来检验该自变量是否具有显著预测效果的
f检验效果很好 再看哪个相关系数大 相关程度比较高 就可以知道那项服务对顾客满意度的影响更大了
苏先阿南： t检验常能用作检验回归方程中各个参数的显著性,而f检验则能用作检验整个回归关系的显著性.各解释变量联合起来对被解释变量有显著的线性关系,并不意味着每一个解释变量分别对被解释变量有显著的线性关系
镇巴县19851959238： 再多元线性回归分析中,t检验与F检验有何不同如题 - ？
苏先阿南： F检验是对整个模型而言的,根据是方差分解;t检验是针对具体的自变量而言的,根据是系数与0来比较是否有差异.(南心网SPSS数据分析)
镇巴县19851959238： SPSS回归分析中t值和f值是什么含义? - ？
苏先阿南： 在SPSS回归分析中,t值代表每个自变量对因变量的单独影响程度,而F值则用来检验整个回归模型的显著性. 回归分析是一种用来探究因变量与一个或多个自变量之间关系的统计方法.在SPSS的回归分析输出结果中,我们会看到t值和F值,...
镇巴县19851959238： spss中f 检验和t 检验的区别 - ？
苏先阿南： 情况太多,只举例一种: 如果是单因素自变量,单因素因变量: 如果自变量有两个水平:独立样本t检验、相关样本t检验 如果自变量有三个/三个以上水平:单因素完全随机方差分析(统计量是F)、单因素被试内方差分析(单因素重复测量方差分析)(统计量是F)
镇巴县19851959238： spss回归分析t、F值分别代表什么呀?？
苏先阿南： R方为决定系数,即拟合模型所能解释的因变量的变化百分比.例如,R方=0.810,... F和T的显著性均为0.05,回归分析在科学研究领域是最常用的统计方法.《SPSS回归...
镇巴县19851959238： 在spss线性回归中,t、R、R平方、F分别代表什么,它们取值范围是多少表示什么意思哈~我快纠结死了~ - ？
苏先阿南：[答案] 首先来说明各个符号,B也就是beta,代表回归系数,标准化的回归系数代表自变量也就是预测变量和因变量的相关,为什么要标准化,因为标准化的时候各个自变量以及因变量的单位才能统一,使结果更精确,减少因为单位不同而造成的误差.T值...
镇巴县19851959238： 多元线性回归模型中f检验与t检验的联系??? - ？
苏先阿南： 你回归得到一个方程后,F检验用来检测整个方程的显著性,t检验是检查每个自变量的显著性.一般是F>F(P,n-P-1),n为数据组数,P为自变量个数.而自变量的t值,有几个大于t(P,n-P-1),就标明几个自变量对因变量是显著的.就是说比如5个自变量的t值,有3个大于查阅出来的t值,那么着3个是显著的,另外2个不显著,重新回归时需要剔除.这都是严格意义上说的,实际中我们由于受到原始数据的影响,很难回归出很完美的数据,但是如果数据点比较好,是可以做到这些得.
镇巴县19851959238： 多元线性回归模型的检验方法有哪些? ？
苏先阿南： 多元线性回归模型的检验方法有:判定系数检验(R检验),回归系数显著性检验(T检验),回归方程显著性检验(F检验).判定系数检验多元线性回归模型判定系数的...
镇巴县19851959238： 这种SPSS 系数T检验及F检验该怎么做呀?求大神解答 - ？
苏先阿南： 在回归分析里面 就有F检验 是针对回国模型的整体检验 系数t检验 则是对自变量是否有显著的检验
