回归系数符号
回归系数b和相关系数r之间的关系是什么？
回归系数b与相关系数r的关系如何？
如果回归系数大于零，则相关系数大于零。如果回归系数小于零，则相关系数小于零。相关系数是研究变量之间线性相关度的数量。在回归方程中，回归系数表示自变量x影响变量y大小的参数。
相关系数与回归系数的方向相同，即符号相同。回归系数和相关系数的正数和负数由两个变量之间的平均差之和的符号行决定，因此相同数据的B与其R的符号相同。回归系数有一个单位，形式为（应变单位/自变单位）。相关系数的范围为-1~ 回归系数之间没有这样的限制。
spss如何看待回归分析的参数？
首先要说明一个符号，B也就是beta，它代表回归系数。标准化的回归系数代表自变量，即预测变量与因变量之间的关系。为什么要标准化，因为在标准化过程中，可以统一每个自变量和因变量的单位，使结果更加准确，减少因单位不同而造成的误差。T对回归系数的检验结果是值，绝对值越大，sig就越小，sig在统计学上代表T检验的显著性，siglt0.05通常被认为是一个显著的系数测试，这意味着你的回归系数的绝对值明显大于0，表明自变量可以有效地预测变量的变化，你有5个结论\\%的人可能会犯错误，也就是说，有95\\对结论的把握是正确的。
先看回归检查anova那个表，也就是F测试，代表了对你回归的所有自变量回归系数的全面测试，如果siglt0.05，这意味着至少有一个自变量可以有效地预测因变量。在编写数据分析结果时，通常无法报告
然后查看系数表，查看标准化回归系数是否显著。每个自变量都有一个相应的回归系数和显著的测试
最后看模型汇总表，R方称为决定系数。它是自变量可以解释的变量占因变量总变量的比例，代表回归方程对因变量的解释程度。在报告过程中，报告调整后的R方是一种修正，因为自变量的增加将不断增强预测力（因为即使没有使用的自变量，只要增加更多，R方也会变大，调整后的R方是对更多自变量的惩罚)，R不需要管，在标准化的情况下，R也是自变量和因变量的相关性。