※ 引述《landcoobee (.......)》之铭言： : 请教各位高手 : 我的商科论文 : SPSS跑出来 R-Square= 0.43 : 应该是 我的五个自变项只能解释 43% 依变项.... : 这样是偏低还是正常啊? 商管领域的论文来说，个人觉得算是不错的解释力了， 若是说偏低还是正常的数字，我觉得尚称正常。 : 有办法拉高解释力吗? 其实不需要太在意去增加「R平方」的数值， 而是去思考这五个自变数解释了依变项43％的变异量是否具有合理性。 若是真的想要尝试拉高解释力，可以选择用曲线回归， 看看自变项与依变项的关系是否并不是那麽线性，或许会得到较高的解释力； 还有，若是方程式不去包含截距项，解释力也会变大， 以上只是操作方法，但重点在於有没有理论或正当理由去解释这些「变高的解释力」。 : 在Coefficients table中 : 五个项目中，有两个Sig.< 0.05 : 另三个大於...... : 请问这样可以分析说这两项具有意义，假设成立 : 而另三项不成立吗? 看来您的研究是将五个自变数同时置入方程式去对某个依变数进行回归分析， 我个人想法觉得这是一种「解释型回归」， 意思就是不论五个自变数显着与否，您都必须要去解释为什麽显着？ 为什麽某个自变数的回归系数或显着性最高？为什麽某个回归系数最低或不显着？ 假设的成立与否，要看您当初是怎麽进行假设推论的， 如果您是企管所的论文，或许可能可以勉强说有三个假设成立，两个不成立， 但请注意这五个假设都应该有意义，因为您必须去解释原因，如我上段所叙， 这才是商管论文的价值所在； 当然，除非您当初在先前的研究假设就已经预料到某两个变数不显着了， 那可能可以省去一点解释的篇幅。 另外，五个自变数同时置入对某一依变数进行回归分析的结果， 可能会跟每次只投入一个自变数对某一依变数进行回归分析的结果不同， 如果您分开作五次回归分析， 那或许会得到五个自变数的回归系数都显着的结论， 至於能不能这样作，还是得回到您的研究问题论定， 一般来说，我个人在社会科学的研究中是不建议的。 : 谢谢 : from 不是商学出身的外行人 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 1.171.162.87