spss怎么求回归标准误差
SPSS实例：[21]调节效应检验方法？
SPSS实例：[21]调节效应检验方法？
1.在spss中，打开线性回归的菜单，如图所示。
2.我们先将因变量【职业探索】、自变量【自我概念】、调节变量【社会支持】放入各自的框框。
3.点击下一层，设置第二个方程。
4.这第二层比第一层增加了一个交互项。
5.点击statistic，设置输出什么参数。
6.一定要选择R方改变量，点击continue，然后点击ok。
7.我们可以看r方的该变量，第二个方程，sig F change值小于0.05，证明调节效应存在。
8.我们看输出的结果，第一个红框是系数，也就是前面介绍的abcc，sig值是他们的显著性水平，交互项系数的sig值小于0.05，说明存在调节效应。
spss中如何找回归中的误差项？
然后逆矩阵中对角线上的值开根号再乘以rmse（均方根误差或者叫回归标准差）就是每个回归参数的标准误差.
如何用SPSS求残差？
回归的对话框里面有一个save按钮，点一下。然后出来save对话框右侧就是residuals残差的选项，你可以选根据需要选择你要的残差类型。回归完成后，会多一列数据的。
回归系数的符号与预测的符号不一致怎么办？
两个变量是正相关，多元回归中回归系数B值是负值，产生这种现象一般有几种情况：
1、出现多重共线性
由于多元回归分析中，会同时将多个X（解释变量）加入到模型中，这时候就很容易产生一个问题就是，多个X之间本身就存在很强的相关关系，即X之间有着比较强的替代性。如果各个自变量x之间有很强的线性关系，就无法固定其他变量了，因此出现共线性问题，可能导致回归系数的符号与实际情况完全相反，本应该显著的自变量不显著，本不显著的自变量却呈现出显著性。
解决方法
针对共线性问题的解决方案上，可以观察出现共线性的变量，如不具有实际意义，可手动剔除不重要的解释变量；或者利用因子分析合并变量；或考虑使用逐步回归进行分析，直接移除出共线性的自变量X；当变量数不够，不能选择剔除变量时，可以考虑增大样本容量，尽量使样本容量远大于自变量个数；如共线性变量比较重要，不可剔除时可以考虑使用岭回归。
2、存在异常值
相关分析对异常值的存在不敏感，但在回归分析中，存在异常值可能会导致模型构建产生偏差，所以做回归分析前，可通过箱盒图查看数据情况，以及有无异常值。同时可用SPSSAU
数据处理中“异常值
”功能，剔除异常值后再进行分析。
3、如果不存在以上问题，则说明数据正常
出现此类问题的原因很可能是Suppressor effect(压抑效应)。
压抑效应是指X对Y同时存在两种路径，一是对Y的直接影响，二是通过中介变量Z产生影响，而且直接和间接影响的方向正好相反，相互抵消，因此导致在不控制Z的情况下，X对Y的影响很小，甚至为零，而实际上两者之间存在较大的因果关系。
此时应该以相关分析结论为准
，以“有相关关系但没有回归影响关系”作为结论
相关资料
共线性问题：
spss分析存在共性线后，接下来是怎么分析？
相关回归：
在线SPSS-SPSSAU-相关回归