如何用spssau设置虚拟变量
spssau是什么？
spssau是什么？
SPSSAU是一款网页版数据科学算法平台工具提供拖拽点一下的极致体验和智能化分析结果。
SPSSAU作为『在线版SPSS』操作更为简单，三步即能完成分析，对统计小白更加友好。配合网站提供的案例数据，多操作几次就能掌握了。分析结果有智能分析帮助解读，不用担心看不懂。
涉及的数据研究方法包括：
通用方法，有比如T检验，方差分析，相关分析，回归分析等。
进阶方法，有比如因子，聚类分析，事后检验，分层回归，logistic回归等。
问卷方法，包括多重响应，信度分析和效度分析，多选题、中介效应、调节效应、结构方程模型等。
医学实验方法，重复测量方差，Cox回归、Ridit分析、正交实验等
计量经济研究方法，OLS回归，ARIMA模型、ADF检验、面板模型等
综合评价方法，熵值法，AHP层次分析法，模糊综合评价，灰色关联法，耦合协调度等
请问大家，spssau的分析结果感觉如何，可靠吗，我想用来写报告？
spssau是靠谱的，以前并不知道这个，写毕业论文的时候指导教授让使用的，里面有智能文字分析这个靠谱，对于非统计或者数学专业的来讲，完全傻瓜智能化，教授说我们国家的人工智能发展很快，很多东西都可以智能化。
spssau里面的方法分成阶梯的，包括基础通用方法，问卷研究使用方法，进阶方法，高级方法，医学方法等，全面并且操作上全部都是左右拖拽点一下得到结果。
通用方法包括：频数分析，描述分析，卡方分析，分类汇总，相关，回归，方差，T检验，单样本T检验，配对T检验，正态性检验和非参数检验等。
问卷研究方法中有信度分析，效度分析，多选题分析，单选和多选，多选和单选，多选和多选交叉等方法。
进阶方法包括聚类分析，因子我，多重响应，事后检验，逐步回归，分层回归，双因素方差和二元Logit回归等。
数据处理里面有标题修改，数据标签设置，数据编码设置和生成变量等。数据标签可以批量化处理多个标题，数据编码也可以批量处理多个标题，生成变量默认有平均值，求和，虚拟变量，对数等。
效度分析共线怎么解决？
1. 手动移除出共线性的自变量
先做下相关分析，如果发现某两个自变量X（解释变量）的相关系数值大于0.7，则移除掉一个自变量（解释变量），然后再做回归分析。但此种办法有一个小问题，即有的时候根本就不希望把某个自变量从模型中剔除，如果有此类情况，可考虑使用逐步回归让软件自动剔除，同时更优的办法可能是使用岭回归进行分析。
2. 逐步回归法
让软件自动进行自变量的选择剔除，逐步回归会将共线性的自变量自动剔除出去。此种解决办法有个问题是，可能算法会剔除掉本不想剔除的自变量，如果有此类情况产生，此时最好是使用岭回归进行分析。
3. 增加样本容量
增加样本容量是解释共线性问题的一种办法，但在实际操作中可能并不太适合，原因是样本量的收集需要成本时间等。
4. 岭回归
上述第1和第2种解决办法在实际研究中使用较多，但问题在于，如果实际研究中并不想剔除掉某些自变量，某些自变量很重要，不能剔除。此时可能只有岭回归最为适合了。岭回归是当前解决共线性问题最有效的解释办法，但是岭回归的分析相对较为复杂，后面会提供具体例子，当然也可以参考SPSSAU官网岭回归说明。
5. 利用因子分析合并变量
共线性问题的解释办法是，理论上可以考虑使用因子分析（或者主成分分析），利用数学变换，将数据降维提取成几个成分，即把信息进行浓缩，最后以浓缩后的信息作为自变量（解释变量）进入 模型进行分析。此种解释办法在理论上可行，而且有效。但实际研究中会出现一个问题，即本身研究的X1,X2,X3等，进行了因子分析(或主成分）后，变成成分1，成分2类似这样的了，意义完全与实际研究情况不符合，这导致整个研究的思路也会变换，因而此种办法适用于探索性研究时使用，而不适合实际验证性研究。