毕业论文一定要做回归分析吗
如果没有明确要求的话是可以的。医学论文没有具体要求的话，只做相关性是可以毕业的。如果论文要求和专业要求需要用到相关分析或是回归分析或者是其他方面，那么你的论文就必须按照要求来，否则很容易被驳回来重新写，实在不能确定就问导师。
论文数据里必须有多元线性回归。
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。
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。
相关分析只是了解变量间的共变趋势，我们只能通过相关分析确定变量间的关联，这种关联是没有方向性的，可能是A影响B，也可能是B影响A，还有可能是A与B互相影响，相关分析没法确定变量间的关联究竟是哪一种。而这就是我们需要使用回归分析解决的问题，我们通过回归分析对自变量与因变量进行假设，然后可以验证变量间的具体作用关系，这时的变量关系就是有具体方向性的了。所以相关分析通常也会被作为一种描述性的分析，而回归分析得到的结果更为重要和精确。
本科毕业论文一定要回归分析吗
论文数据里必须有多元线性回归。
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。
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。
看你问卷上面有哪些类型题目选择统计方法
可以。数学专业本科毕业论文可以写回归分析，需要专业对的上。数学是研究数量、结构、变化、空间以及信息等概念的一门学科。
量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。
量表题可以使用信度、效度、因子分析等方法进行分析。具体可以参考下面的量表类影响关系研究框架。
本科毕业论文要回归分析吗
研究方法通常可以分为三大类，分别是差异关系，相关关系和其它关系。
参考资料：
(一)确定论文提要，再加进材料，形成全文的概要论文提要是内容提纲的雏型。一般书、教学参考书都有反映全书内容的提要，以便读者一翻提要就知道书的大概内容。我们写论文也需要先写出论文提要。在执笔前把论文的题目和大标题、小标题列出来，再把选用的材料插进去，就形成了论文内容的提要。(二)原稿纸页数的分配写好毕业论文的提要之后，要根据论文的内容考虑篇幅的长短，文章的各个部分，大体上要写多少字。如计划写20页原稿纸(每页300字)的论文，考虑序论用1页，本论用17页，结论用1—2页。本论部分再进行分配，如本论共有四项，可以第一项3—4页，第二项用4—5页，第三项3—4页，第四项6—7页。有这样的分配，便于资料的配备和安排，写作能更有计划。毕业论文的长短一般规定为5000—6000字，因为过短，问题很难讲透，而作为毕业论文也不宜过长，这是一般大专、本科学生的理论基础、实践经验所决定的。(三)编写提纲论文提纲可分为简单提纲和详细提纲两种。简单提纲是高度概括的，只提示论文的要点，如何展开则不涉及。这种提纲虽然简单，但由于它是经过深思熟虑构成的，写作时能顺利进行。没有这种准备，边想边写很难顺利地写下去。
如果你是做问卷调查类（发放问卷，收集数据<通常学营销的人会这样做>）的，那么就根据你的题项设置变量，并录入数据（通常是用SPSS分析，也有用其他工具比如说Eviews的）。然后做数据的信度和效度检验（此处KMO值是比较重要的），再做基本的描述性统计分析，然后是主成份提取（即因子分析），从多个变量中提取几大因子，结果主要看旋转成分矩阵，然后用几个因子跟因变量做回归，得出影响关系的回归方程。举个例子说，你的问卷中有30个题项（前提是你已经做过小规模问卷测试以验证题项设置的合理性），则对应30个变量X1，X2，......,X29，X30，录入这30个变量的数据，如果你收集了500份问卷，其中420份是有效问卷的话，则你有420条针对30个变量的有效数据。然后做信度效度检验，描述性统计分析，因子分析，假设通过因子分析提取出4个主成份（因子），分别为F1，F2，F3，F4，这个时候对因子命名并将其生成新的变量，然后再将F1，F2，F3，F4和Y做回归分析，得到回归方程，通过R方和系数检验表来判断方程和系数的有效性。这个时候你就能得到影响消费者态度的是哪些因素了。PS：你这里的因变量消费者态度需要量化，在设计问卷的时候要考虑如何量化才有利于后续的分析。
回归分析毕业论文课题
统计学本科生,毕业论文题目是研究定性多元回归分析你这个就是这么简单的要求吗还是有更详细的说明具体谈清晰的的
梁广1，2邵长高1，2
（1.广州海洋地质调查局 广州 510760；2.国土资源部海底矿产资源重点实验室 广州 510760）
第一作者简介：梁广（1972—），男，工程师，主要从事网络管理和数据管理工作，E-mail:。
摘要 近年来资源勘探已经覆盖大部分陆地区域，越来越多的国家把目光投向海洋。海洋作为一个巨大的能源和资源宝库在国民经济、军事战略等的重要性也日益显现。各个国家竞相制定海洋科技开发规划、战略计划，优先发展海洋新技术［1］。如何有效的从海量海洋地质调查数据中获取有用信息是海洋新技术研究中的重要研究内容。论文针对海洋地质调查数据研究技术应用需求，引入了回归分析模型到海洋地质调查数据库中，详细介绍了回归分析的技术方法和在海洋地质调查数据库研究中的应用优势，为海洋科学研究提供了技术支持。
关键词 海洋地质 回归分析 数据库
1 前言
随着陆地资源的消耗和人类对能源越来越强烈的需求，海洋作为一个尚待大规模开发的能源和资源宝库引起各国越来越多的关注。我国作为世界上最大的发展中国家对能源的需求也在大幅增加，近年来我国石油进口数量急剧增长，据估计到2020年我国石油进口依存度将达到60%。党和国家领导人多次提出“资源、能源、特别是油气资源，已成为我国经济和社会发展的重要因素，解决后备能源问题是保证国家经济安全的大事”。随着我国国土资源大调查和海洋地质专项调查的开展，大量的海洋地质数据被收集和积累，并建立了多个满足各自业务需求的信息系统和数据源［2］。如何有效的从海量海洋地质调查数据中获取有用信息是海洋新技术研究中的重要研究内容。论文针对海洋地质调查数据研究技术应用手段的需求，引入了回归分析技术到海洋地质调查数据库中，详细介绍了回归分析的技术方法和在海洋地质调查数据库研究中的应用优势，为海洋科学研究提供了技术支持。
2 回归分析概述
概述
回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析［3］。回归分析预测法可以从各数据之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法，通过对与预测对象（y）有联系的多个因素X1，X2，……，Xk建立回归模型。求出的回归模型是否合理，是否符合变量之间的客观规律性，引入相关因素是否有效，变量之间是否存在线性相关关系，模型能否付诸应用，这要通过检验决定。本文给出了两方面的检验：一方面为实际意义检验。即利用理论所拟定的期望值与实际结果相比较是否相符。另一方面为统计检验：分别为拟合优度检验（R平方检验）、方程显著性检验（F检验）、变量显著性检验（t检验）［4］。论文主要介绍一元线性回归分析在海洋地质调查数据库中的应用。
一元线形回归分析模型
线性回归分析可以描述两个要素之间的回归关系。线性回归分析公式为：yi=a+bxi+εi.其中a和b为参数.εi是误差.我们定义Q（a，b）a为总误差。则：
南海地质研究（2014）
对公式两边的a和b求导得：
南海地质研究（2014）
南海地质研究（2014）
x表示x的平均值.y表示y的平均值.
关系系数R2求值方法为［5］：
南海地质研究（2014）
多元线形回归分析模型
研究对象y受多个因素x1，x2，x3，…xn的影响，假定各个影响因素与y的关系是线性的，则可建立多元线性回归模型：
y=β0+β1x1+β2x2+…+βkxk+ε
式中：x1，x2，……，xk代表影响因子；ε 为随机误差；y 代表所研究的对象，即预测目标［3］。
统计检验
统计检验是运用数理统计的方法，对方程进行检验、对模型参数估计值的可靠性进行检验。这主要包括拟合优度检验、方程显著性检验、变量显著性检验，即常用的R2检验、F检验和t检验。
拟合优度检验（检验）：
拟合优度检验就是检验回归方程对样本观测值的拟合程度。又称为复相关系数检验法，它是通过对总变差（总离差）的分解得到。
南海地质研究（2014）
其中
南海地质研究（2014）
总变差平方和S总是各个观察值与样本均值之差的平方和，反映了全部数据之间的差异；残差平方和S残是总变差平方和中未被回归方程解释的部分，由解释变量x1，x2……，xk中未包含的一切因素对被解释变量y的影响而造成的；回归平方和S回是总变差平方和中由回归方程解释的部分。对于一个好的回归模型，它应该较好地拟合样本观测值，S总中S残越小越好。于是可以用：
南海地质研究（2014）
求得［4］。
方程显著性检验（F 检验）：
对于多元线性回归方程，方程显著性检验就是对总体的线性关系是否显著成立作出推断，即检验被解释变量y与所有解释变量X1，X2，……，Xk之间的线性关系是否显著，
南海地质研究（2014）
即F统计量服从以（k，n-k-1）为自由度的F分布。首先根据样本观测值及回归值计算出统计量F，于是在给定的显著性水平a下，若F＞Fa（k，n-k-1），则拒绝H0，判定被解释变量y与所有解释变量x1，x2，……，xk之间的回归效果显著，即确实存在线性关系；反之，则不显著［4］。
变量显著性检验（t检验）：
对于多元回归模型，方程的显著性并不意味每个解释变量对被解释变量y的影响都是重要的。如果某个解释变量并不重要，则应该从方程中把它剔除，重新建立更为简单的方程。所以必须对每个解释变量进行显著性检验。
在给定的显著性水平a下，若｜ti｜＞ta/2（n-k-1），则拒绝H0，说明解释变量xi对被解释变量y有显著影响，即xi是影响y的主要因素；反之，接受H0，说明解释变量xi对被解释变量y无显著影响，则应删除该因素［4］。
3 应用实例
论文利用线形回归分析模型对南海海域海洋沉积物温度进行了分析，其中散点图显示如图1所示，回归分析结果见表1。
图1 水深与沉积物温度散点图
Water depth temperature
表1 水深沉积物温度回归分析结果 The regression analysis result for Water depth temperature
读取回归结果如下：
截距：a=；斜率：b=；相关系数：R=；测定系数：R2=；F值：F=。
建立回归模型，并对结果进行检验
模型为： 。
F值的计算公式和结果为：
南海地质研究（2014）
其中P＜。回归结果证明，沉积物温度与海水深度有着密切的关系，但是通过散点图显示，并不是温度越深沉积物温度越低。而是受到其他例如海底热流，海洋环流等因素的影响。
4 结语
本文介绍了回归分析在海洋地质调查研究中的应用，同时提供了回归分析的技术原理及实现方法，并通过对南海沉积物与海水深度关系模型进行了应用分析，回归结果显示了两者具有密切但是存在不确定性的关系。实验结果得到有效的应用。
参考文献
［1］单宝强，毛永强.中的坐标系定义与转换［J］.黑龙江国土资源，11，38-39
［2］苏国辉，孙记红，等.2011.海洋地质数据集成中的关键问题和方案［J］.海洋地质前沿，11（27）：51
［3］百度百科.回归分析.
［4］沈聪.2009.基于EXCEL的回归分析在足迹分析上的应用［M］.辽宁警官高等专科学校本科毕业论文
［5］Cottrell Analysis：Basic ：//～cottrell/ecn215/
The Marine Geological Survey Based on Regression Analysis
Liang Guang1，2，Shao Changgao1，2
（ Marine Geological Survey，Guangzhou，510760； Laboratory of Marine Mineral Reasources，MLR，Guangzhou，510760）
Abstract：The new resources survey had covered most of the continental area at ，the ocean resources have attracted more and more attention now as it is a huge resource and energy reservoir that had a profound meaning to national economy and military energy competition made manly countries developed new technology project and put the new ocean technology as the primary study ，how to abstract useful information from marine geological survey data is one of the most important study paper focuses on the study of the deficit of marine database technology and introduces regression analysis model and the application advantage of purpose of this paper is to provide the technology support for marine word：Marine geology；Regression analysis model；Database
这些数据是保密的......
毕业论文问卷回归分析
论文的前言也叫引言，是正文前面一段短文。前言是论文的开场白，目的是向读者说明本研究的来龙去脉，吸引读者对本篇论文产生兴趣，对正文起到提纲掣领和引导阅读兴趣的作用。在写前言之前首先应明确几个基本问题:你想通过本文说明什么问题?有哪些新的发现，是否有学术价值?一般读者读了前言以后，可清楚地知道作者为什么选择该题目进行研究。为此，在写前言以前，要尽可能多地了解相关的内容，收集前人和别人已有工作的主要资料，说明本研究设想的合理性。1、 引言应含概的内容引言作为论文的开头，以简短的篇幅介绍论文的写作背景和目的，缘起和提出研究要求的现实情况,以及相关领域内前人所做的工作和研究的概况，说明本研究与前工作的关系，目前的研究热点、存在的问题及作者的工作意义，引出本文的主题给读者以引导。引言也可点明本文的理论依据、实验基础和研究方法，简单阐述其研究内容；三言两语预示本研究的结果、意义和前景，但不必展开讨论。前言在内容上应包括:为什么要进行这项研究?立题的理论或实践依据是什么?拟创新点?理论与(或)实践意义是什么?首先要适当介绍历史背景和理论根据，前人或他人对本题的研究进展和取得的成果及在学术上是否存在不同的学术观点。明确地告诉读者你为什么要进行这项研究，语句要简洁、开门见山。如果研究的项目是别人从未开展过的，这时创新性是显而易见的，要说明研究的创新点。但大部分情况下，研究的项目是前人开展过的，这时一定要说明此研究与被研究的不同之处和本质上的区别，而不是单纯的重复前人的工作。2、 前言的写作方法(1)、开门见山，不绕圈子。避免大篇幅地讲述历史渊源和立题研究过程。(2)、言简意赅，突出重点。不应过多叙述同行熟知的及教科书中的常识性内容，确有必要提及他人的研究成果和基本原理时，只需以参考引文的形式标出即可。在引言中提示本文的工作和观点时，意思应明确，语言应简练。(3)、回顾历史要有重点，内容要紧扣文章标题，围绕标题介绍背景，用几句话概括即可;在提示所用的方法时，不要求写出方法、结果，不要展开讨论;虽可适当引用过去的文献内容，但不要长篇罗列，不能把前言写成该研究的历史发展;不要把前言写成文献小综述，更不要去重复说明那些教科书上已有，或本领域研究人员所共知的常识性内容。(4)、尊重科学，实事求是。在前言中，评价论文的价值要恰如其分、实事求是，用词要科学，对本文的创新性最好不要使用本研究国内首创、首次报道、填补了国内空白、有很高的学术价值、本研究内容国内未见报道或本研究处于国内外领先水平等不适当的自我评语。（5）、前言的内容不应与摘要雷同，注意不用客套话，如才疏学浅、水平有限、恳请指正、抛砖引玉之类的语言;前言最好不分段论述，不要插图、列表，不进行公式的推导与证明。（6）、前言的篇幅一般不要太长，太长可致读者乏味，太短则不易交待清楚，一篇3 000一5 000字的论文，引言字数一般掌握在200一250字为宜。1. 引言书写内容和格式(1)说明论文的主题、范围和目的。(3)预期结果或本研究意义。(4)引言一般不分段,长短视论文内容而定,涉及基础研究的论文引言较长,临床病例分析宜短。国外大多论文引言较长,一般在千字左右,这可能与国外内数期刊严格限制论文字数有关所谓的引言就是为论文的写作立题，目的是引出下文。一篇论文只有命题成立，才有必要继续写下去，否则论文的写作就失去了意义。一般的引言包括这样两层意思：一是立题的背景，说明论文选题在本学科领域的地位、作用以及目前研究的现状，特别是研究中存在的或没有解决的问题。二是针对现有研究的状况，确立本文拟要解决的问题，从而引出下文。一般作者在引言写作中存在这样两方面的问题。
这个要看你刚开始的题目设置是否合理如果合理那就不是题目的问题，那就不应该删除题目。如果你确定是题目设置的问题那你可以删除题目的。要看你是调查过程中哪个环节出现了问题，针对出现问题的环节进行改正就行了。如果说希望研究影响关系，比如研究“认知”，“态度” 分别对于“行为”的影响关系，此时可考虑使用回归分析，线性回归是将一系列影响因素和结果进行一个拟合，拟合出一个方程（非线性回归就没有方程，人脑就类似一个非线性回归），然后通过将这个方程应用到其他同类事件中，可以进行预测，所谓回归，就是向某个理想的状态或平衡状态的趋向发展，通过回归可以找出哪些影响因素，对结果的影响规律。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
1、首先将数据录入到SPSS软件中，也可以是Excel表格直接导入，不要忘记把“变量视图”设置成数值型。
2、选择你要处理的值，进行“相关性分析”，观察两者间有没有存在相关性。因为有了相关性才能做回归分析。
3、如果检验得出存在相关性，就可以做回归分析了。SPSS软件上方选择“分析”-“回归分析”-“线性”，点击确定。
4、在相应的框中输入X和Y轴对应的内容，其他都不需要管。
5、最后就是结果分析了，在输出的文档中一共有四张表，其中【系数表】就是所求出来的模型。在查看回归的水平为Y，然后输入X预测Y的值。