如何用spss进行多元线性回归预测
多元线性回归
1.打开数据，依次点击：analyse–regression，打开多元线性回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面至少选择95%CI。
点击ok。
统计专业研究生工作室原创，请勿复杂粘贴
关于SPSS做多元线性回归，怎么去看自变量与因变量之间的相关性啊，还是B的值
请问你要研究的是单个变量（A）对单个变量（B）的影响，还是多个变量与多个变量的关系。
如果是简单的A对B的影响，可以用Pearson相关分析，具体操作可以参考：吴明隆. Spss统计应用实务[M]. 中国铁道出版社, 2000，计算出两个变量的相关系数r以及决定系数r平方。
如果研究多变量之间的关系，目前我了解的只有多变量与单一变量的关系，如自变量：A1, A2, A3, ……An，因变量B，可以采用相关系数矩阵以及多元回归分析。
相关分析要求所有变量均为连续变量（有关连续变量和定序变量、定类变量的问题如果不明白请自行知乎），多元回归分析，不同的变量类型对应了不同的回归方法，常用的是线性回归。具体操作可参考：何晓群, 刘文卿. 应用回归分析-第2版[M]. 中国人民大学出版社, 2007.
spss中自变量有分类变量，但是因变量是连续变量如何选择回归模型
我们在回归分析中需要用到两个自变量之间的选择回归模型来检验两个变量之间的交互效应，其实就是两个变量的乘积，具体方法为： 1、打开SPSS软件，然后打开一份要进行计算交互项的数据表。
2、在功能栏中点击【转换-计算变量】。3、接着要添加一个新的变量名称，点击下方的【类型与标签】，输入一个标签名称。4、把要进行相乘的变量放在编辑公式框中。5、然后利用计算器键盘直接进行两个变量相乘。6、最后即可看到新增的变量，新增模型。注意事项： SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。
spss线性回归模型的四个标准假设
土壤和植被养分是作物产量的重要影响因素。为探讨土壤和叶片养分元素含量对作物产量的影响，一项研究测定了某区域30个样地的作物产量、土壤pH值、有机质含量（SOM）、碱解氮含量（SAN）、速效磷含量（SAP）和叶片氮含量（STN）及磷含量（STP），部分数据如下：
注：表中数据均为随机生成，不可他用。
该研究想建立变量（pH、SOM、SAN等）与产量之间的回归方程，此时我们可以考虑采用多元线性回归分析。
数据分析
值得注意的是，多元线性回归分析需要数据满足以下4个假设：
（1）需要至少2个自变量，且自变量之间互相独立（本次6个）；
（2）因变量为为连续变量（本案例产量为连续变量）；
（3）数据具有方差齐性、无异常值和正态分布的特点（检验方法）；
（4）自变量间不存在多重共线性。
前2个假设可根据试验设计直接判断；假设（3）的检验在之前的教程中已有呈现，点击“检验方法”即可查看。
关于假设（4）的检验方法如下：
1. 点击 分析 → 回归 → 线性。
2.将pH等自变量选入自变量框，将产量选入因变量框，点击统计。
3.在统计窗口选择共线性诊断，点击继续，然后再主页面点击确定即可。
4.结果判断：在结果中我们关注系数表即可，当VIF值大于等于10时，我们认为变量间存在严重的共线性，当VIF值小于10时，我们认为数据基本符合多元线性分析的假设（4），即不存在多重共线性问题。
因此，本案例数据均满足以上4个假设，可以进行多元线性回归的运算。
SPSS分析步骤
一、准备工作
SPSS软件（我使用的是IBM SPSS Statistics 25 中文版，其实各个版本格局上都是相似的，如果大家需要我的版本可以直接点击（安装包）下载；Excel数据整理。
二、分析数据
1. 点击 分析 → 回归 → 线性
2.将pH等自变量选入自变量框，将产量选入因变量框，点击统计。
3.在统计界面勾选如下选项，点击继续
4.点击主页面的保存，然后在新窗口中勾选如下选项，然后点击继续。
5.点击主页面中的“确定”即可得到分析结果。
本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。E-MAIL:dandanxi6@qq.com