1樓：楊遠航
我覺得需要，單目前沒有文獻可借鑑
2樓：匿名使用者
同一個變數應該一樣，不同的可以不一樣
在用spss做多元線性迴歸時，需不需要將資料標準化？用標準化的資料和原始資料做出來的結果是不是不一樣？
3樓：呂秀才
不需要進行標準化
spss迴歸分析的結果本身就會給出一個經過標準化的迴歸係數
標準化之後的資料 做出來就沒有常數項的
4樓：匿名使用者
在選項中選擇beta就可以啦
典型相關分析的各組資料單位不同，必須要先對資料標準化嗎？
5樓：匿名使用者
沒有必要。
資料bai的標準化du的目的有二：
zhi1）計算機被大規模使用dao之前，是用專手工計算的，不屬易出錯；使用計算後，資料標準化處理之後可以節約機時，目前的計算機速度非常高，已經沒有必要進行標準化處理了；
2）標準化處理後，所見到的結果比較直觀。在計算機發展的今天，想要它多直觀就多直觀，一個命令而已。
結論：無論是否進行資料的標準化處理，典型相關分析的結果是一樣的。
用spss進行多元迴歸分析之前必須進行資料標準化處理嗎
6樓：
不需要的，直接進行分析
7樓：匿名使用者
不是必須進行
標準化處理
在spss軟體中做因子分析需要將資料標準化處理嗎
8樓：
理論上不會改變。bai
因子分du析的主要途徑是構建因子模zhi型來計dao算各主因子得分，從而分析回主因子的貢獻力總結出答因子實際意義。資料標準化只是將不同變數量綱化，說明白點就是去掉各變數的單位，統一為標準化資料。 如果你的原始資料單位不衝突，標準化與否影響不大，正規來講，做多元統計分析前需要將資料進行標準化處理，保證統計分析的正確性。
所以不僅不要擔心結果改變，相反應該要求資料的標準化處理。 但是標準化的方法不一，每次標準化後的資料肯定也會不一樣，所以每次標準化後資料做出的因子得分實際上也不能保證一樣。這裡要搞清楚因子分析的結果不是看因子分析的得分是不是幾，而是靠這個得分做出分析結果也就是經濟學意義，所以即便因子得分有可能不一樣，只要結果分析到達一致即可。
spss在聚類分析的時候，針對單位不同的資料需要先無量綱化（標準化）嗎
9樓：匿名使用者
是的。聚類演算法要求連續變數先進性標準化。
在聚類分析的options按鈕裡面您可以找到standardization of continuous variables欄，任何連續變數都要作為要被標準化的變數列在右邊to be standardized矩形框中。
希望可以幫助您。
進行迴歸分析時，是先把資料標準化再取對數還是取對數後再標準化？謝謝。。
10樓：匿名使用者
就回歸分析而言，標準化不是必要的，因為標準化是資料的線性變換，不影響估計的顯著性。
計量模型一般不進行標準化，保持變數的原汁原味，方便估計結果的解釋。多元統計裡經常要標準化，如主成份分析，因子分析等。
對數變換的主要目的：（1）估計的係數可以解釋成彈性，一般用在經濟學模型裡；（2）可以降低樣本異方差程度；（3）減少變數的波動，與其他變數的波動水平相適應。
對數變換要求原始變數為正，如果先標準化可能會出現負值，對數變換就不行了。只能對正取值的變數先取對數，再標準化。
簡單線性迴歸模型與多元線性迴歸模型古典假定的異同點
1 不同點 多元線性迴歸中的古典假定比簡單線性迴歸時多出一個無多重共線性假定。2 相同點 基本假定包括 1 零均值假定 2 同方差假定 3 無自相關假定 4 隨機擾動項與解釋變數不相關假定 5 正態性假定。擴充套件資料建立多元線性迴歸模型時，為了保證迴歸模型具有優良的解釋能力和 效果，應首先注意自變...
以一元迴歸模型為例，寫出線性模型，雙對數模型以及兩個半對數模
1 一元線性迴歸 y a b x u，x每增加1個單位，y平均增加b個單位 2 雙對數模型 lny a b lnx u，x每增加1 y平均增加b 3 半對數模型 y a b lnx u，x每增加1 y平均增加b個單位 4 半對數模型 lny a b x u，x每增加1個單位，y平均增加b 計量經濟學...
做道路模型用什麼軟體,3d道路模型如何建立
ug這種三copy維軟體難了點,同pro e一樣,應用bai在模具設計及製造上比du較多。但是通用機zhi械上使用三維軟體dao,同樓上的弟兄所說情況差不多。相對上面的軟體來講,solidworks這個三維軟體要簡單實用得多。三維軟體可以模擬出裝置的外觀和機械結構,並檢查干涉狀況。當機械設計過程中,...