spss異常值剔除，用什么方法？我常用一下方法：1、可以是從“分析”下“具體解釋統(tǒng)計(jì)“下“頻率”的”繪制圖“直方圖”，看圖吧發(fā)現(xiàn)自己頻數(shù)出現(xiàn)大約的值，就肯定是無比值，但還要看距離其它情況的程度。2、可

spss異常值剔除，用什么方法？

我常用一下方法：

1、可以是從“分析”下“具體解釋統(tǒng)計(jì)“下“頻率”的”繪制圖“直方圖”，看圖吧發(fā)現(xiàn)自己頻數(shù)出現(xiàn)大約的值，就肯定是無比值，但還要看距離其它情況的程度。

2、可實(shí)際“結(jié)論”下的“具體解釋統(tǒng)計(jì)”下的“一路探索”下的“繪制圖”選項(xiàng)的“葉莖圖”，看個(gè)案遠(yuǎn)離目標(biāo)箱體邊緣（上端、下端）的距離是箱體的幾倍，“○”代表在1.5-3倍之間（失群點(diǎn)），“*”代表達(dá)到3倍（走極端離群點(diǎn)）。

3、可以不是從“分析什么”下“詳細(xì)解釋統(tǒng)計(jì)“下“具體解釋”下的選項(xiàng)“將標(biāo)準(zhǔn)化存為變量Z”，你選擇或者的變量，“考慮”。將生成新變量，要是值遠(yuǎn)遠(yuǎn)超過2，肯定是異常值。

spss排除的變量？

Logistic回歸主要注意兩類三類，一種是因變量為二類型得logistic回歸，這種輪回就是二項(xiàng)logistic回歸，一種是因變量為結(jié)構(gòu)松散多分類劃分得回歸模型，諸如被害妄想于中,選擇哪種產(chǎn)品，這種降臨就是多項(xiàng)logistic回歸。

另外一種是因變量為有序多分類的logistic回歸，.例如病重的程度是高，中，低呀等等，這種進(jìn)入虛空也叫增長(zhǎng)邏輯回歸，或者序次logistic回歸。二值邏輯回歸：選擇分析什么——降臨——2元logistic，打開主面板，因變量打勾你的二分類變量，這個(gè)沒有什么疑問，接著看下邊蠅頭小字一個(gè)協(xié)變量。還有沒有很古怪什么叫做什么協(xié)變量？在一元logistic回歸里邊是可以以為協(xié)變量像自變量，或是是自變量。把你的自變量選到協(xié)變量的框框里邊。

再細(xì)心的朋友會(huì)才發(fā)現(xiàn)，在朝協(xié)變量的那個(gè)箭頭下邊，另外一個(gè)小小的按鈕，標(biāo)著a*b，這個(gè)按鈕的作用是為了你選交互項(xiàng)的。

我們明白，總是兩個(gè)變量合在一起會(huì)才能產(chǎn)生新的效應(yīng)，諸如年齡和結(jié)婚次數(shù)看專業(yè)在一起，會(huì)對(duì)健康程度有另一個(gè)新的影響，這時(shí)候，我們就認(rèn)為兩者有交互效應(yīng)。那么我們是為模型的準(zhǔn)，就把這個(gè)交互效應(yīng)也選到模型里去。

我們?cè)谟疫叺哪莻€(gè)框框里選擇變量a，按住ctrl，在你選變量b，那你我們就同樣的選住這兩個(gè)變量了，后再點(diǎn)那個(gè)a*b的按鈕，這樣，一個(gè)新的名字很長(zhǎng)的變量就又出現(xiàn)在協(xié)變量的框框里了，應(yīng)該是我們的交互作用的變量。

然后再在下邊有一個(gè)方法的下拉菜單。系統(tǒng)默認(rèn)的是進(jìn)入，就是自我催眠所有選擇類型的變量都剛剛進(jìn)入到模型里邊。外進(jìn)入法以外，還有一個(gè)三種往前法，三種向前法。

就像設(shè)置為剛剛進(jìn)入就可以了，如果做得像的模型有變量的p值不考試合格，就用其他方法在做。

再下邊的選擇變量則是用處選擇類型你的個(gè)案的。像是也不需要管它。

選好主面板以后，右鍵點(diǎn)擊分類（右上角），先打開分類劃分對(duì)話框。

在這個(gè)對(duì)話框里邊，左邊的協(xié)變量的框框里邊有你選的的自變量，右邊蠅頭小字分類協(xié)變量的框框則是空白位置的。

你要把協(xié)變量里邊的字符型變量和分類變量選到分類協(xié)變量里邊去（系統(tǒng)會(huì)自動(dòng)生成啞變量來比較方便結(jié)論，什么事啞變量具體看參照前文）。

這里的字符型變量指的是用值標(biāo)簽標(biāo)示過得變量，不然光文字，系統(tǒng)也很難給你總結(jié)啊。

選的以后，分類劃分協(xié)變量下邊另外一個(gè)可以修改差別不大的框框，我們明白了，相對(duì)于分類變量，spss不需要有一個(gè)具體參考，每個(gè)分類都按照和這個(gè)參照并且比較來我得到結(jié)果，可以修改綜合比這個(gè)框框就是利用選擇參看的。

默認(rèn)的對(duì)比是命令符，也就是每個(gè)分類都和總體并且比較，除此之外指示符以外還有簡(jiǎn)單的，差值等。

這個(gè)框框不是很重要的是，設(shè)置成就可以了。直接點(diǎn)擊繼續(xù)。

后再再打開保存對(duì)話框，選項(xiàng)卡概率，組成員，包涵協(xié)方差矩陣。點(diǎn)擊再，再打開選項(xiàng)對(duì)話框，取消勾選具體分類圖，估計(jì)也值的相關(guān)性，迭代歷史，exp（B）的CI，在模型中包涵常數(shù)，輸出低——在每個(gè)步驟中。

要是你的協(xié)變量有連續(xù)型的，也可以小樣本，那還要取消勾選Hosmer-Lemeshow模型擬合度，這個(gè)模型擬合度表現(xiàn)的會(huì)較好一些。再繼續(xù)，考慮。

然后把，就會(huì)輸出低結(jié)果了。主要會(huì)輸出六個(gè)表。第一個(gè)表是模型系數(shù)綜合檢驗(yàn)表，要看他模型的p值是不是我大于10.05，確定我們這個(gè)線性回歸模型方程有沒有意義。第二個(gè)它表示模型匯總表。這個(gè)表里有兩個(gè)R^2，叫做廣義做出決定系數(shù)，也叫偽R^2，作用傳說中的線性回歸里的決定系數(shù)，也可以表示這個(gè)方程能夠請(qǐng)解釋模型的百分之多少。由于計(jì)算方法差別，這兩個(gè)廣義改變系數(shù)的值往往都不一樣，不過出入并不可能很大。在下邊的類型表則表述了模型的穩(wěn)定性。

這個(gè)表到最后一行百分比校正下邊的三個(gè)數(shù)據(jù)列不出來在求實(shí)際值為0的或1時(shí)，模型預(yù)測(cè)對(duì)的的百分比，在內(nèi)模型總的預(yù)測(cè)正確率。就像如果說分析和預(yù)測(cè)正確的概率提升百分之五十是良好的道德（標(biāo)準(zhǔn)真夠低的），當(dāng)然了正確率越高越好。在然后把那就是最有用的表了，方程中的變量表。第一行那個(gè)B下邊是每個(gè)變量的系數(shù)。第五行的p值會(huì)告訴你吧每個(gè)變量是否是更適合送回方程里。如果不是有某個(gè)變量不適合我，那也要重?fù)Q能去掉這個(gè)變量做回歸。參照這個(gè)表就可以寫一段logistic方程了：PExp(常量a1*變量1a2*變量2.。。。)/(1Exp(常量a1*變量1a2*變量2.。。。))。如果大家學(xué)過一點(diǎn)統(tǒng)計(jì)，就得應(yīng)該是對(duì)這個(gè)形式的方程不很熟悉?？梢蕴峁┳兞?，它到最后算出來會(huì)是一個(gè)介于0和1的數(shù)，也那就是你的模型里設(shè)定好的值也很大的情況不可能發(fā)生的概率，比如說你想推測(cè)會(huì)不會(huì)治好，你設(shè)0治療好，1為還沒有治愈。那你的模型算出就是是沒有治愈的概率。如果沒有你想就計(jì)算徹底治愈的概率，那肯定必須改再看看設(shè)置，用1去代表治好。況且n分之一后兩列有一個(gè)EXP（B），也就是or值，哦，這個(gè)可不是或者的意思，有.值是優(yōu)勢(shì)比。在線性回歸里邊我們用標(biāo)準(zhǔn)化系數(shù)來對(duì)比兩個(gè)自變量對(duì)此因變量的影響力的強(qiáng)弱，在logistic回歸里邊我們用優(yōu)勢(shì)比來也很完全不同的情況相對(duì)于因變量的影響。舉個(gè)例子。例如我想看性別對(duì)此某種病是否是好轉(zhuǎn)的影響，舉例0屬於女，1代表男，0代表上帝不轉(zhuǎn)好，1代表轉(zhuǎn)好。發(fā)現(xiàn)這個(gè)變量的or值為2.9，那么也就是說男人的好轉(zhuǎn)的可能會(huì)是女人略有好轉(zhuǎn)的2.9倍。特別注意，這里是以數(shù)值會(huì)增大的那個(gè)情況為基準(zhǔn)的。而且or值也可以真接能提供這個(gè)倍數(shù)。如果不是是0,1,2各代表上帝一類情況的時(shí)候，如果說2是1的2.9倍，1是0的2.9倍，以此類推。同問值是對(duì)方程好像沒什么貢獻(xiàn)，可是可促進(jìn)血液循環(huán)比較直觀的理解模型。在建議使用內(nèi)個(gè)愿意時(shí)候你必須增強(qiáng)它95%的置信區(qū)間來并且判斷。況且有咨詢矩陣表和概率直方圖，就再次能介紹了。多項(xiàng)logistic回歸：選擇總結(jié)——進(jìn)入虛空——多項(xiàng)logistic，打開主面板，因變量大家都明白了選什么，因變量下邊有一個(gè)參考類別，默認(rèn)的第一類別就可以。再然后把出現(xiàn)了兩個(gè)框框，因子企業(yè)保安變量。很確實(shí)，這兩個(gè)框框大都要你選因變量的，這樣究竟有沒有是什么呢？哈哈哈，區(qū)別就只在于，因子里邊放的是部分無序的分類變量，比如說性別，職業(yè)什么的，在內(nèi)在不變量（雖然做logistic回歸時(shí)大部分自變量是分類變量，連續(xù)變量是比較少的。），而協(xié)變量里邊放的是等級(jí)資料，比如說病情的輕重啊，年齡啊（以十年為一個(gè)年齡段撒，三年一個(gè)的話就雷死在不變量吧應(yīng)該）之類的。在二項(xiàng)線性回歸模型里邊，系統(tǒng)會(huì)自動(dòng)生成啞變量，但在多項(xiàng)回歸模型里邊，現(xiàn)在就要自己不自動(dòng)可以設(shè)置了。參照上邊的解釋，并不難明白了設(shè)置中好的啞變量要放在因子那個(gè)框框里去。然后點(diǎn)開模型那個(gè)對(duì)話框，哇，好超級(jí)恐怖的一個(gè)對(duì)話框，都真不知道是干什么啊的。好，我們慢慢來看。上邊我們?cè)缇透嬖V過交互作用是干什么啊的了，這樣的話并不難表述，主效應(yīng)那是變量本身對(duì)模型的影響。應(yīng)明確了這一點(diǎn)以后，這個(gè)對(duì)話框就還沒有這樣難選了。重新指定模型那一欄有三個(gè)模型，主效應(yīng)指的是只做自變量和因變量的方程，是最特殊的那種。全因子指的是真包含了所有主效應(yīng)和所有因子和因子的交互效應(yīng)的模型（我也不清楚為么只能全因子，沒有全協(xié)變量。這個(gè)問題真不是那么容易，所以我別繼續(xù)追問我啦。）第三個(gè)是設(shè)定/直流馬達(dá)式。這個(gè)是自己手動(dòng)系統(tǒng)設(shè)置交互項(xiàng)和主效應(yīng)項(xiàng)的，并且還是可以可以設(shè)置這個(gè)項(xiàng)是噬魂之手輸入的那就逐漸地剛剛進(jìn)入的。這個(gè)概念就不用什么再羅里吧嗦了吧啊？點(diǎn)擊繼續(xù)，再打開統(tǒng)計(jì)量對(duì)話框，打勾個(gè)案處理摘要，偽R方，步驟摘要，模型數(shù)據(jù)擬合度信息，單元格可能性，分類表，數(shù)據(jù)擬合度，估記，似然比檢驗(yàn)，一直。先打開條件，全勾，再，然后打開選項(xiàng)，勾投一票吧具體劃分強(qiáng)制破軍條目和移除項(xiàng)目。然后打開保存，取消勾選包涵協(xié)方差矩陣。確認(rèn)（好不容易選完了）。最終和二項(xiàng)logistic回歸差不多，應(yīng)該是多了一個(gè)似然比檢驗(yàn)，p值小于0.05其實(shí)變量有意義。接著我們?cè)倏磪?shù)估計(jì)表。題中我們的因變量有n個(gè)類，那參數(shù)估計(jì)表會(huì)決定n-1組的截距，變量1，變量2。我們我們用Zm代表Exp（常量mam1*變量1am2*變量2。。。），那你就有第m類情況發(fā)生的概率為Zn/1Z2Z3……Zn(如果我們以第一類為參考類別的話，我們就不會(huì)有麻煩問下第一類的參數(shù)，那就第一類應(yīng)該是設(shè)置成的1，也就是說Z1為1)。進(jìn)出有序回歸（達(dá)到邏輯回歸）：你選菜單總結(jié)——進(jìn)入虛空——有序，然后打開主面板。因變量，因子，協(xié)變量如何能所選就不在重復(fù)了。選項(xiàng)對(duì)話框設(shè)置。打開輸出來對(duì)話框，打勾模型擬合度統(tǒng)計(jì)，摘要統(tǒng)計(jì)，參數(shù)估計(jì)，平行線檢驗(yàn)，估計(jì)發(fā)令概率，換算類別概率，判斷，位置對(duì)話框和上文的模型對(duì)話框類似，也不反復(fù)重復(fù)了。確認(rèn)。而里邊特殊的一個(gè)表是平行線實(shí)驗(yàn)檢測(cè)表。這個(gè)表的p值小于0.05則如果說斜率系數(shù)這對(duì)差別的類別是不一樣的的。此外參數(shù)估計(jì)表得出的參數(shù)也極大不同。假設(shè)不成立我們的因變量有四個(gè)水平，自變量有兩個(gè)，這樣參數(shù)估計(jì)表會(huì)提出三個(gè)閾值a1,a2，a3（也就是截距），兩個(gè)自變量的參數(shù)m，n。算出方程時(shí)，簡(jiǎn)單算三個(gè)Link值，Link1a1m*x1n*x2，Link2a2m*x1n*x2，Link3a3m*x1n*x2，（僅截距不同）有了link值以后，p11/(1exp(link1)),p1p21/(1exp（link2）),p1p2p31/(1exp(link3)),p1p2p3p41..按照上邊的這幾個(gè)方程就能換算出各自的概率了。Logistic回歸到這里都差不多就也結(jié)束后了。大家你必須記熟公式，弄混可就倒霉了。如果能能對(duì)你有了幫助呦。