线性回归分析的SPSS操作本节内容主要介绍如何确定并建立线性回归方程。
包括只有一个自变量的一元线性回归和和含有多个自变量的多元线性回归。
为了确保所建立的回归方程符合线性标准，在进行回归分析之前，我们往往需要对因变量与自变量进行线性检验。
也就是类似于相关分析一章中讲过的借助于散点图对变量间的关系进行粗略的线性检验，这里不再重复。
另外，通过散点图还可以发现数据中的奇异值，对散点图中表示的可能的奇异值需要认真检查这一数据的合理性。
一、一元线性回归分析1．数据以本章第三节例3的数据为例，简单介绍利用SPSS如何进行一元线性回归分析。
数据编辑窗口显示数据输入格式如下图7-8（文件7-6-1.sav）：图7-8：回归分析数据输入2．用SPSS进行回归分析，实例操作如下：2.1.回归方程的建立与检验（1）操作①单击主菜单Analyze / Regression / Linear…，进入设置对话框如图7-9所示。
从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量x选入到自变量（Independent）框中。
在方法即Method一项上请注意保持系统默认的选项Enter，选择该项表示要求系统在建立回归方程时把所选中的全部自变量都保留在方程中。
所以该方法可命名为强制进入法（在多元回归分析中再具体介绍这一选项的应用）。
具体如下图所示：图7-9 线性回归分析主对话框②请单击Statistics…按钮，可以选择需要输出的一些统计量。
如Regression Coefficients(回归系数)中的Estimates，可以输出回归系数及相关统计量，包括回归系数B、标准误、标准化回归系数BETA、T值及显著性水平等。
Model fit项可输出相关系数R，测定系数R2，调整系数、估计标准误及方差分析表。
上述两项为默认选项，请注意保持选中。
设置如图7-10所示。
设置完成后点击Continue返回主对话框。
图7-10：线性回归分析的Statistics选项图7-11：线性回归分析的Options选项回归方程建立后，除了需要对方程的显著性进行检验外，还需要检验所建立的方程是否违反回归分析的假定，为此需进行多项残差分析。
专题12 用SPSS作线性回归分析简介1 用默认方法作线性回归2 常用选项简介1 用默认方法作线性回归用默认方法作因子分析，可按如下步骤进行。
⑴建立或打开数据文件在数据窗中输入待分析的数据，或利用File菜单中的Open功能打开已经存在的数据文件。
⑵展开主对话框在SPSS主界面中依次逐层选择“Analyze”、“Regression”、“linear”，展开线性回归主对话框（如下图）⑶选择分析变量在主对话框左边的矩形框中选择因变量，并用上面一个箭头按钮将他们移到“Dependent”矩形框中。
在主对话框左边的矩形框中选择自变量，并用箭头按钮将他们移到“Independent(s)”矩形框中。
⑷选择分析方法在“Method”下拉框中选择“Enter”，则所有自变量直接进入方程，即不对变量进行筛选。
在“Method”下拉框中选择“Stepwise”，则作逐步回归分析。
⑸运行程序检查所选变量是否有误，若选择有误，则选定错误变量，用边上的箭头按钮将其移出。
若变量选择无误，按“OK”按钮即可运行程序。
返回2 常用选项简介⑴选择统计量在主界面中单击“Statistics”按钮，打开如下对话框：Regression Coefficients复选框组：用于定义回归系数的输出情况。
●选中Estimates可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta；●选中Confidence intervals则输出每个回归系数的95%置信区间。
●Model fit复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验： R，R2和调整的R2, 标准误及方差分析表。
●Part and partial correlations复选框：给出自变量间的相关、部分相关和偏相关系数。
⑵在主界面中单击“Options”按钮，打开如下对话框：●选择“Use probability of F”则可用偏回归系数检验的p值来控制变量的筛选。
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2.Opening excel data s ource——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear，Depende n（t因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method 选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics 默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDN T（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plo t（s标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.a. Predictors: (Constant), 城市人口密度 (人/平方公里)b. Predictors: (Constant), 城市人口密度 (人/平方公里), 城市居民人均可支配收入(元)c. Dependent Variable: 商品房平均售价（元/平方米）Variables Entered/Removed aModel 1Variables Entered 城市人口密度 (人/平方公里)Variables Removed2城市居民人均可支配收入(元)Method. Stepwise (Criteria: Probability-of-F-to-enter <= .050,Probability-of-F-to-remove >= .100).. Stepwise (Criteria: Probability-of-F-to-enter <= .050,Probability-of-F-to-remove >= .100).a. Dependent Variable: 商品房平均售价（元/平方米）该表显示模型的拟合情况。
