用spss怎么做回归分析

spss统计软件可以用来做大量的数据分析，回归分析就是其中之一。回归分析是探索两个或两个以上变量之间的关系，应用广泛。根据自变量和因变量之间的函数关系类型，可分为线性回归分析和非线性回归分析。回归分析不仅可以分析数据，还可以预测一些数据的发展，因此得到了广泛的应用。

需要准备的物品

计算机

ibm spss统计19

详细介绍方法/步骤

打开spss软件，右上角的“打开文件”按钮，打开需要分析的数据文件。

下一步是做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析的方法不同，所以一定要先把握它们的变化趋势，画一个散点图，【图】-【旧对话框】-【散乱点/点】

选择[简单分布]并[定义]。这种散点图是我们常见的，其他种类比较复杂，用在这里就把简单的问题复杂化了。

在下一个弹出框中设置x轴和y轴，然后确定，剩下的就不管了，然后得到散点图。可以看出，x轴和y轴明显是线性的，所以接下来的回归分析将使用线性回归方法，如果图像是弯曲的，则需要选择曲线拟合方法。

单击[分析]-[回归]-[线性]

在弹出的线性回归框中设置自变量和因变量，其他选项默认可以设置。其他选项仅用于更准确地优化模型

下一步是结果分析。输出文档中总共打印了四个表，其中系数表是模型。根据列b，编写函数表达式。这个问题是y=1.594x 26.659，sig小于0.05，说明自变量对因变量有显著影响。

【anova表】表示分析结果，主要看f和sig值。如果对应于f值的sig值小于0.05，则可以认为回归方程是有用的。

【模型汇总表】中，r表示拟合优度，值越接近1，模型越好。至此，回归分析完成，图中这个模型更加合理。

温馨提示

一定要画个散点图，了解大趋势