AMOS 很多AVE值始终小于0.5 或者大于0.5之后回归系数又变成负数 数据该怎样处理？ 有问题，上知乎。知乎，可信赖的问答社区，以让每个人高效获得可信赖的解答为使命。知乎凭借认真、专业和友善的社区氛围，结构化、易获得的优质内容，基于问答的内容生产。
spss相关分析出现负数，如何修改数据变正？ 标准化新数据=（原数据-均值）/标准差 远数据-均值，存在差值的。负相关可能是在其他因素影响的情况下产生的，很多时候如果你用逐步回归限制因子个数，会得到正相关系数。相关系数是描述这种线性关系程度和方 向的统计量，用 r 来描述。如果变量 Y 与 X 间是函数关系，则 r=1 或 r=-1；如果变量 Y 与 X 间是统计关系，则-1，如果 x，y 变化的方向一致，如身高与体重的关系，则称为正相关，则 r>；0；如果 x，y 变化的方向相反，如吸烟与肺功能的关系，则称为负相关，则 r；而 r=0 表示无线性相关，一般地，r|>；0.95 存在显著性相关；r|高度相关；0.5 |r|中度相关；0.3|r|低度相关；r|关系极弱，认为不相关。
相关系数为负，为什么回归系数为正 这种情况是可以出现的，在相关性分析时，看到的是两个变量之间的关系，其他变量的影响是不被考虑的；但是，进行逐步回归分析时，如果入选的变量不止一个，那么入选变量之间可以产生影响，这种影响甚至可以改变一些原来不算强的相关性的方向。这表明数据存在偏抄相关、部分相关或伪相关等情况。相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相袭关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。扩展资料：相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小zd时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1。当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。参考资料来源：-相关系数
如何通过修改样本数据，得到理想的回归方程 实验数据是不容修改的，不能看那个数据不合理就随意更改[增大或减小]，但做了大量的重复实验后，对于实验中所出现的个别明显异常数据[结果]可以进行剔除[但原始资料不能变]，这样就可以提高分析结果的精度.这样做所冒的风险[犯错的概率]为：剔除的数据个数/实验总数据个数.斟酌。
面板数据做多元回归分析，系数为负 你的变量选的太少了，如果数据也不够多的话，做出来误差会很大的，建议你多选几个变量，从多个角度分析，这样论文也比较好写。还有做出的结果也不一定要和参考论文的一样，像我当时写的是金融类论文，根据数据选取年份的长短，以及其他与参考论文不同变量的选取，最后的结果也是有些差异的，只要自己能解释就可以。
回归系数不显著怎么办？ 比如用似无关回归 看JF、JFE、RFS上面的文章，实证结果总是相当地显著，不论作者采用何种思路做稳健性检验，都是怎么做怎么显著。这不得不让我深深地感到惊讶，他们是怎么。
多元线性回归怎样把负的系数变为正的？ 如果这个回归因子的显著性不高的话，你可以通过增加或者减少回归因子来达到目的，增加一个显著性比它高的正向显著回归因子，或者减少一个显著性比它低得负向显著回归因子，都可能使得回归系数从正的变成负的.这样的话，其实你这个回归因子本身就不显著，一般来说是可以忽略掉它的.
