因子分析后做多元线性回归分析，因变量应该怎样计算 一般来说，因子分析所形成的因子都是自变量，因为因子分析所得到的因子地位是相同的，不应该做因子间的因果关系分析，而应该做这些因子对其他变量的影响或被其他变量所影响.假设因子分析所得到的因子为a1 a2…an，那么，需要引入a系列因子之外的其他变量（假设为b系列），即a系列与b系列因子之间才能做回归分析.就你的题目来看，你的研究应该是因子分析所得到的各个因子为自变量，其他“外部”的因子为因变量.（以上有调查问卷SPSS与结构方程模型Amos统计分析专业人士 南心网提供）
线性回归方程中，回归系数的含义是什么 回归系数越大表示x 对y 影响越大，正回归系数表示y 随x 增大而增大，负回归系数表示y 随x 增大而减小.回归方程式^Y=bX+a中之斜率b，称为回归系数，表X每变动1单位，平均而言，Y将变动b单位.
多元线性回归分析的优缺点 一、多元线性回归2113分析的优点：1、在回归分析中，如果有5261两个或两个以4102上的自变量，就称为多1653元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。2、在多元线性回归分析是多元回归分析中最基础、最简单的一种。3、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果。二、多元线性回归分析的缺点有时候在回归分析中，选用何种因子和该因子采用何种表达 式只是一种推测，这影响了用电因子的多样性和某些因子的不可测性，使得回归分析在某些 情况下受到限制。多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。这里只介绍多元线性回归的一些基本问题。扩展资料社会经济现象的变化往往受到多个因素的影响，因此，一般要进行多元回归分析，我们把包括两个或两个以上自变量的回归称为多元线性回归。多元线性回归与一元线性回归类似，可以用最小二乘法估计模型参数，也需对模型及模型。
在二元线性回归模型中，两个解释变量的相关系数为0.5，则方差扩大因子等于多少 KMO的值如果0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的P0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。
