去中心化作線性回歸
① 請問，SPSS中不包括常數項的線性回歸與包括常數項的線性回歸相比為什麼系數會不一樣
去常數項的是標准化的回歸系數
所謂標准化的意思是 因為可能存在各自變數的計量單位不同，所以如果直接根據非標准化的回歸系數無法看出到底哪個自變數對因變數的影響大。
而去常數項後的標准化系數可以直接根據系數的絕對值大小來比較哪個自變數的影響大。
但是如果要列回歸方程時，應該使用帶有常數項的回歸系數
如果只是比較影響的大小，需要看標准化的回歸系數
兩者就是這個區別
② 問一個統計學的問題
1. 對於這個問題，最好的方法莫過於：聚類分析。
聚類分析是根據樣本間的距離進行分類，分類的標准很多：有的按照閥值，有的按照已經規定好的分的類數；可以說該問題就是一個聚類分析的典型應用；在統
計教材中介紹聚類分析的例題就是這種問題。
2. 除此之外，還可以將這個問題堪稱尋找「異常點」的問題。統計學是有系統的理論來研究個體「變異」。這種點即為「離群點」，對它需要判斷是否是「異常點」，這里有幾種常用的判別方法（但要注意，對它的判定往往要結合實際問題的需要進行的，統計學上對異常點的態度非常謹慎，不能隨便去掉它）：看標准化殘存、學生化殘存；影響函數；Cook距離；WK統計量。
3. 提問中的解決方法本質上是考慮觀察值跟數學期望的比值，如果過大那就說明這個點可能存在問題（這里設置了一個「閥值」作為挑選標准）。從線性回歸的角度來看，數學期望就是最小二乘法下最好的常數估計，因此是線性回歸的最簡單情況。△X就是「殘差」，△X/X類似於將它中心化，因為△X/X的數學期望是0，並且不受單位量綱的影響。此外，還有2中提到的方法。具體參見線性回歸理論中回歸診斷部分。
然而，最正統的方法同時也是目前最好的方法還是：聚類分析。
③ 如何做SPSS的調節效應
顯變數的調節效應分析方法：分為四種情況討論。當自變數是類別變數，調節變數也是類別變數時，用兩因素交互效應的方差分析，交互效應即調節效應；調節變數是連續變數時，自變數使用偽變數,將自變數和調節變數中心化,做Y=aX+bM+cXM+e 的層次回歸分析：1、做Y對X和M的回歸,得測定系數R12。2、做Y對X、M和XM的回歸得R22，若R22顯著高於R12，則調節效應顯著。或者,作XM的回歸系數檢驗,若顯著,則調節效應顯著；當自變數是連續變數時，調節變數是類別變數，分組回歸:按 M的取值分組,做 Y對 X的回歸。若回歸系數的差異顯著,則調節效應顯著，調節變數是連續變數時，同上做Y=aX +bM +cXM +e的層次回歸分析。
④ SPSS回歸分析中的數據轉換問題
就是平方根轉換，在compute裡面去做，很方便的
我替別人做這類的數據分析蠻多的
⑤ 碩士論文 一元線性回歸是不是沒說服力
老師同意就有說服力。
你的論文准備往什麼方向寫，選題老師審核通過了沒，有沒有列個大綱讓老師看一下寫作方向？
老師有沒有和你說論文往哪個方向寫比較好？寫論文之前，一定要寫個大綱，這樣老師，好確定了框架，避免以後論文修改過程中出現大改的情況！！
學校的格式要求、寫作規范要注意，否則很可能發回來重新改，你要還有什麼不明白或不懂可以問我，希望你能夠順利畢業，邁向新的人生。
首先要確定課題，是調研類的還是什麼？
一般畢業論文大體框架結構都差不多：摘要，目錄，第一章緒論（文獻綜述，現狀什麼的），第二章是方法或者比較共性的問題，第三章和第四章一般是全篇的重點，論述自己的內容；第五章是措施之類的。
可以去萬方、維普、CNKI網上下載一些類似課題的文章看看：）祝順利祝成功！
1、論文題目：要求准確、簡練、醒目、新穎。
2、目錄：目錄是論文中主要段落的簡表。（短篇論文不必列目錄）
3、提要：是文章主要內容的摘錄，要求短、精、完整。字數少可幾十字，多不超過三百字為宜。
4、關鍵詞或主題詞：關鍵詞是從論文的題名、提要和正文中選取出來的，是對表述論文的中心內容有實質意義的詞彙。關鍵詞是用作機系統標引論文內容特徵的詞語，便於信息系統匯集，以供讀者檢索。 每篇論文一般選取3-8個詞彙作為關鍵詞，另起一行，排在「提要」的左下方。主題詞是經過規范化的詞，在確定主題詞時，要對論文進行主題，依照標引和組配規則轉換成主題詞表中的規范詞語。
5、論文正文：（1）引言：引言又稱前言、序言和導言，用在論文的開頭。 引言一般要概括地寫出作者意圖，說明選題的目的和意義, 並指出論文寫作的范圍。引言要短小精悍、緊扣主題。〈2）論文正文：正文是論文的主體，正文應包括論點、論據、 論證過程和結論。主體部分包括以下內容：a.提出-論點；b.分析問題-論據和論證；c.解決問題-論證與步驟；d.結論。
6、一篇論文的參考文獻是將論文在和寫作中可參考或引證的主要文獻資料，列於論文的末尾。參考文獻應另起一頁，標注方式按《GB7714-87文後參考文獻著錄規則》進行。中文：標題--作者--出版物信息（版地、版者、版期）：作者--標題--出版物信息所列參考文獻的要求是：（1）所列參考文獻應是正式出版物，以便讀者考證。（2）所列舉的參考文獻要標明序號、著作或文章的標題、作者、出版物信息。
⑥ 數據降維特徵值為負需要捨去數據嘛
經過這幾天面試後，我發現數據降維這一塊在工業界用的很多或者說必不可少，因此，這方面需要重點關注。今天，我將數據降維總結於此，包括他人成果，這里對他們的內容表示感謝。
Method
對數據降維作用有多個角度的理解。吳恩達在他的視頻中說，降維是用於數據壓縮，降低雜訊，防止運行太慢內存太小；當降到2或3維可以可視化操作，便於數據分析；不要將降維用於防止過擬合，容易去掉和標簽有關的重要特徵。但是數據為何需要壓縮，除了佔用內存以外還有沒有別的原因——「維度災難」問題：維度越高，你的數據在每個特徵維度上的分布就越稀疏，這對機器學習演算法基本都是災難性的。最後導致的可能是每個樣本都有自己的特徵，無法形成區別是正例還是負例的統一特徵。還有另外一個情況當特徵多於樣本量時，一些分類演算法(SVM)是失效的，這與分類演算法原理有關。
數據降維方法:
線性降維方法:
主成分分析(PCA)和判別分析方法(LDA)
關於PCA的理解：
1、PCA可以理解為高維數據投影到低維，並使得投影誤差最小。是一種無監督將為方法。
2、還可以理解為對坐標旋轉和平移(對應著坐標變換和去中心化)，從而使得n維空間能在n-1維分析，同時去掉方差小的特徵(方差小，不確定度小，信息量小)
3、PCA的推導
4、PCA與SVD的聯系
(從矩陣分解角度理解PCA)
5、PCA降維的應用
6、PCA 的缺點：
（1）pca是線性降維方法，有時候數據之間的非線性關系是很重要的，這時候我們用pca會得到很差的結果。所有接下來我們引入核方法的pca。
（2）主成分分析法只在樣本點服從高斯分布的時候比較有效。
（3） 存在不平衡數據的降維可以採用代價敏感PCA(CSPCA)
（4）特徵根的大小決定了我們感興趣信息的多少。即小特徵根往往代表了雜訊，但實際上，向小一點的特徵根方向投影也有可能包括我們感興趣的數據；
（5）特徵向量的方向是互相正交（orthogonal）的，這種正交性使得PCA容易受到Outlier的影響
（6）難於解釋結果。例如在建立線性回歸模型（Linear Regression Model）分析因變數
⑦ 如何用SPSS做中介效應與調節效應
調節變數可以是定性的，也可以是定量的。在做調節效應分析時,通常要將自變數和調節變數做中心化變換。簡要模型：Y = aX + bM + cXM + e 。Y 與X 的關系由回歸系數a + cM 來刻畫,它是M 的線性函數, c 衡量了調節效應(moderating effect) 的大小。如果c 顯著，說明M 的調節效應顯著。 2、調節效應的分析方法 顯變數的調節效應分析方法：分為四種情況討論。當自變數是類別變數，調節變數也是類別變數時，用兩因素交互效應的方差分析，交互效應即調節效應；調節變數是連續變數時，自變數使用偽變數,將自變數和調節變數中心化,做 Y=aX+bM+cXM+e 的層次回歸分析：1、做Y對X和M 的回歸,得測定系數R1 2 。2、做Y對X、M 和XM 的回歸得R2 2 ，若R2 2 顯著高於R1 2 ，則調節效應顯著。或者, 作XM 的回歸系數檢驗,若顯著,則調節效應顯著；當自變數是連續變數時，調節變數是類別變數，分組回歸:按 M 的取值分組,做 Y 對 X 的回歸。若回歸系數的差異顯著,則調節效應顯著，調節變數是連續變數時，同上做Y=aX +bM +cXM +e 的層次回歸分析。 潛變數的調節效應分析方法：分兩種情形：一是調節變數是類別變數,自變數是潛變數；二是調節變數和自變數都是潛變數。當調節變數是類別變數時,做分組結構 方程分析。做法是,先將兩組的結構方程回歸系數限制為相等,得到一個χ 2 值和相應的自由度。然後去掉這個限制,重新估計模型,又得到一個χ 2 值和相應的自 由度。前面的χ 2 減去後面的χ 2 得到一個新的χ 2,其自由度就是兩個模型的自由度之差。如果χ 2 檢驗結果是統計顯著的,則調節效應顯著；當調節變數和自變 量都是潛變數時，有許多不同的分析方法，最方便的是Marsh,Wen 和Hau 提出的無約束的模型。 3．中介變數的定義 自變數X 對因變數Y 的影響,如果X 通過影響變數M 來影響Y,則稱M 為中介變數。 Y=cX+e1, M=aX+ e2 , Y= c′X+bM+e3。其中,c 是X 對Y 的總效應,ab 是經過中介變數M 的中介效應,c′是直接效應。當只有一個中介變數時,效應之間有 c=c′+ab，中介效應的大小用c-c′=ab 來衡量。 4、中介效應分析方法 中介效應是間接效應,無論變數是否涉及潛變數,都可以用結構方程模型分析中介效應。步驟為：第一步檢驗系統c，如果c 不顯著，Y 與X 相關不顯著，停止中介 效應分析，如果顯著進行第二步；第二步一次檢驗a，b，如果都顯著，那麼檢驗c′，c′顯著中介效應顯著，c′不顯著則完全中介效應顯著；如果a，b至少 有一個不顯著，做Sobel 檢驗，顯著則中介效應顯著，不顯著則中介效應不顯著。Sobel 檢驗的統計量是z=^a^b/sab ，中 ^a, ^b 分別是 a, b 的估計, sab=^a2sb2 +b2sa2, sa,sb 分別是 ^a, ^b 的標准誤。 5. 調節變數與中介變數的比較 調節變數M 中介變數M 研究目的 X 何時影響Y 或何時影響較大 X 如何影響Y 關聯概念 調節效應、交互效應 中介效應、間接效應 什麼情況下考慮 X 對Y 的影響時強時弱 X 對Y 的影響較強且穩定 典型模型 Y=aM+bM+cXM+e M=aX+e2 Y=c′X+bM+e3 模型中M 的位置 X,M 在Y 前面,M 可以在X 前面 M 在X 之後、Y 之前 M 的功能 影響Y 和X 之間關系的方向(正或負) 和強弱 代表一種機制,X 通過它影響Y M 與X、Y 的關系 M 與X、Y 的相關可以顯著或不顯著(後者較理想) M 與X、Y 的相關都顯著 效應 回歸系數c 回歸系數乘積ab 效應估計 ^c ^a^b 效應檢驗 c 是否等於零 ab 是否等於零 檢驗策略 做層次回歸分析,檢驗偏回歸系數c 的顯著性(t 檢驗);或者檢驗測定系數的變化(F 檢驗) 做依次檢驗,必要時做 Sobel 檢驗 6. 中介效應與調節效應的SPSS 操作方法 處理數據的方法 第一做描述性統計，包括M SD 和內部一致性信度a（用分析里的scale 里的 realibility analsys） 第二將所有變數做相關，包括統計學變數和假設的X，Y，M 第三做回歸分析。（在回歸中選線性回歸linear） 要先將自變數和M 中心化，即減去各自的平均數 1、現將M（調節變數或者中介變數）、Y 因變數，以及與自變數、因變數、M 調節變數其中任何一個變數相關的人口學變數輸入indpendent 2、再按next 將X 自變數輸入（中介變數到此為止） 3、要做調節變數分析，還要將X與M 的乘機在next 里輸入作進一步回歸。檢驗主要看F 是否顯著
⑧ p2p是什麼意思
P2P是英文peertopeerlending（或peer-to-peer）的縮寫，意即個人對個人（夥伴對夥伴）。又稱點對點網路借款，是一種將小額資金聚集起來借貸給有資金需求人群的一種民間小額借貸模式。屬於互聯網金融（ITFIN）產品的一種。屬於民間小額借貸，藉助互聯網、移動互聯網技術的網路信貸平台及相關理財行為、金融服務。
2019年9月4日，互聯網金融風險專項整治工作領導小組、網貸風險專項整治工作領導小組聯合發布《關於加強P2P網貸領域徵信體系建設的通知》，支持在營P2P網貸機構接入徵信系統。
本條內容來源於：中國法律出版社《中華人民共和國金融法典:應用版》
⑨ 如何做SPSS的調節效應
做SPSS的調節效應方法：
用回歸，回歸也有兩種方法來檢驗調節效應，看下面的兩個方程，y是因變數，x是自變數，m是調節變數，mx是調節變數和自變數的交互項，系數是a b c c'。檢驗兩個方程的R方該變數，如果該變數顯著，說明調節作用顯著，也可以直接檢驗c'的顯著性，如果顯著也可以說明調節作用。
