想知道多元线性回归结果的解释应该看标准化系数B值还是非标准化系数beta值呢?

计算：

（1）VIF(方差膨胀因子）

\mathrm{VIF}_{i}=\frac{1}{1-R_{i}^{2}}； 对于VIF说明：其值介于1~之间。其值越大，自变量之间存在共线性的可能越大；

（2）R方

R方=\sum\left(\hat{y}_{i}-\bar{y}\right)^{2}/\sum\left(y_{i}-\bar{y}\right)^{2} ；

它是判断线性回归直线拟合优度的重要指标，表明决定系数等于回归平方和在总平方和中所占比率，体现了回归模型所解释的因变量变异的百分比；例：R2=0.775，说明变量y的变异中有77.5％是由变量x引起的，R2=1，表明因变量与自变量成函数关系。

（3）调整R方

其中，k为自变量的个数；n为观测项目。自变量数越多，与R2的差值越大；例： \left\{1-\left[\frac{\left(1-0.032\right)(100-1)}{(100-3-1)}\right]\right\}=0.002；

（4）F值

参考下方ANOVA表格(中间过程)

F=回归均方/残差均方;0.254/0.237=1.068

从上表可知，将价格,性能,品牌偏好作为自变量，而将笔记本是否购买作为因变量进行线性回归分析，从上表可以看出，模型公式为：笔记本是否购买=0.588 + 0.033*价格-0.116*性能 + 0.061*品牌偏好，模型R方值为0.032，意味着价格,性能,品牌偏好可以解释笔记本是否购买的3.2%变化原因。对模型进行F检验时发现模型并没有通过F检验(F=1.068， p=0.367>0.05)，也即说明价格,性能,品牌偏好并不会对笔记本是否购买产生影响关系，因而不能具体分析自变量对于因变量的影响关系，分析结束。

补充说明：一般对于时间序列分析才会考虑DW值：

F=回归均方/残差均方;0.254/0.237=1.068；

对模型进行F检验时发现模型并没有通过F检验(F=1.068，p=0.367>0.05)，也即说明价格,性能,品牌偏好并不会对笔记本是否购买产生影响关系，因而不能具体分析自变量对于因变量的影响关系。

95％CI：是指由样本统计量所构造的总体参数的估计区间（置信区间）。

补充说明：SPSSAU还提供了coefPlot、预测模型等。例如下图：

更多干货请前往SPSSAU官网查看。