一般多數(shù)用回歸分析模型。查看標(biāo)準(zhǔn)化回歸系數(shù)。常用的回歸模型包括線性回歸和logit回歸，如果因變量是定量變量則一般使用線性回歸，如果因變量數(shù)據(jù)定類(lèi)變量則一般使用logit回歸。以及SPSSAU還有提供其它類(lèi)型的回歸分析模型（在文末底部）。

一般常用的使用線性回歸模型就足夠了，至于怎樣對(duì)比影響關(guān)系舉例子進(jìn)行說(shuō)明。

一、案例說(shuō)明

調(diào)查不同人群對(duì)于創(chuàng)業(yè)方面的想法，其中認(rèn)為也許影響“創(chuàng)業(yè)可能性”分為“科技發(fā)展”，“社會(huì)資源”和“教育水平”共3個(gè)維度，其三個(gè)維度下的分析項(xiàng)都是量表題，以及創(chuàng)業(yè)可能性也是由量表題構(gòu)成，案例數(shù)據(jù)中還包括基本個(gè)體特征比如性別、年齡等，數(shù)據(jù)樣本為200個(gè)。此案例主要分析目的是研究科技發(fā)展、社會(huì)資源以及教育水平對(duì)于創(chuàng)業(yè)可能性的影響。

二、數(shù)據(jù)處理

檢驗(yàn)數(shù)據(jù)是否有異常值的方法：

異常值處理方法：

三、基本關(guān)系查看

1.散點(diǎn)圖

利用SPSSAU“可視化”→“散點(diǎn)圖”做數(shù)據(jù)的散點(diǎn)圖，觀察因變量與自變量之間是否具有線性特點(diǎn)。

從上圖中可以看出，創(chuàng)業(yè)可能性和教育水平、社會(huì)資源以及科技發(fā)展均存在線性關(guān)系，其中Y軸為因變量創(chuàng)業(yè)可能性，X軸為自變量。接下來(lái)查看數(shù)據(jù)的相關(guān)性。

2.相關(guān)性分析

相關(guān)分析是研究有沒(méi)有關(guān)系，回歸分析是研究影響關(guān)系。明顯地，相關(guān)分析是基礎(chǔ)，然后再進(jìn)行回歸分析。首先需要知道有沒(méi)有相關(guān)關(guān)系；有了相關(guān)關(guān)系，才可能有回歸影響關(guān)系；如果沒(méi)有相關(guān)關(guān)系，是不應(yīng)該有回歸影響關(guān)系的。

從上表可知，利用相關(guān)分析去研究創(chuàng)業(yè)可能性和社會(huì)資源, 教育水平, 科技發(fā)展共3項(xiàng)之間的相關(guān)關(guān)系，使用Pearson相關(guān)系數(shù)去表示相關(guān)關(guān)系的強(qiáng)弱情況。具體分析可知：
創(chuàng)業(yè)可能性與教育水平共1項(xiàng)之間全部均呈現(xiàn)出顯著性，相關(guān)系數(shù)值分別是0.232，全部均大于0，意味著創(chuàng)業(yè)可能性與教育水平共1項(xiàng)之間有著正相關(guān)關(guān)系。同時(shí)，創(chuàng)業(yè)可能性與社會(huì)資源, 科技發(fā)展共2項(xiàng)之間并不會(huì)呈現(xiàn)出顯著性，相關(guān)系數(shù)值接近于0，說(shuō)明創(chuàng)業(yè)可能性與社會(huì)資源, 科技發(fā)展共2項(xiàng)之間并沒(méi)有相關(guān)關(guān)系。相關(guān)與回歸并沒(méi)有百分之百的聯(lián)系，從模型完整性來(lái)講，對(duì)于不相關(guān)的變量也可以納入模型進(jìn)行分析但是如果沒(méi)有相關(guān)關(guān)系，是不應(yīng)該有回歸影響關(guān)系的。

四、線性回歸結(jié)果

基本關(guān)系查看后，我們切入正題利用SPSSAU通用方法的線性回歸進(jìn)行回歸分析，接下來(lái)對(duì)回歸結(jié)果進(jìn)行說(shuō)明，其中包括模型效果（因?yàn)橹饕f(shuō)影響關(guān)系大小，避免重復(fù)省略該步驟）以及模型結(jié)果兩大部分。具體如下：

另外，模型中包括性別、年齡控制變量，控制變量指可能干擾模型的項(xiàng)，比如年齡，學(xué)歷等基礎(chǔ)信息。從軟件角度來(lái)看，并沒(méi)有“控制變量”這樣的名詞?！翱刂谱兞俊本褪亲宰兞?，所以直接放入“自變量X”框中就好。 另外，控制變量一般是定類(lèi)數(shù)據(jù)，理論上控制變量需要作“虛擬(啞)變量”設(shè)置，但實(shí)際研究中很少這樣做而是直接放入模型中，可能原因是“控制變量”并非核心研究項(xiàng)，所以不用考慮太過(guò)復(fù)雜。

模型結(jié)果

回歸的中間過(guò)程包括F檢驗(yàn)、擬合優(yōu)度、多重共線性以及自相關(guān)性，這些都是在分析前需要進(jìn)行觀測(cè)與分析的，接下來(lái)將從模型公式、分析結(jié)果、影響關(guān)系大小以及其它方面進(jìn)行對(duì)模型結(jié)果的闡述。

（1）模型公式

從上表可知，將教育水平,社會(huì)資源,科技發(fā)展,性別,年齡作為自變量，而將創(chuàng)業(yè)可能性作為因變量進(jìn)行線性回歸分析，從上表可以看出，模型公式為：創(chuàng)業(yè)可能性=2.114 + 0.251*教育水平 + 0.026*社會(huì)資源 + 0.013*科技發(fā)展-0.172*性別 + 0.024*年齡。

（2）分析結(jié)果

最終分析可知：教育水平的回歸系數(shù)值為0.251(t=2.934，p=0.004

（3）影響關(guān)系大小

如果說(shuō)自變量X已經(jīng)對(duì)因變量Y產(chǎn)生顯著影響(P< 0.05)，還想對(duì)比影響大小，建議可使用標(biāo)準(zhǔn)化系數(shù)值的大小對(duì)比影響大小，Beta值大于0時(shí)正向影響，該值越大說(shuō)明影響越大。Beta值小于0時(shí)負(fù)向影響，該值越小說(shuō)明影響越大。上圖所示，回歸方程的常數(shù)項(xiàng)約為2.114，教育水平,社會(huì)資源,科技發(fā)展,性別,年齡的標(biāo)準(zhǔn)化系數(shù)分別為0.218、0.022、0.011、-0.085、0.021?？梢钥闯瞿Ｐ椭薪逃綄?duì)創(chuàng)業(yè)可能性影響較大。

（4）其它

除此之外，SPSSAU還提供了線性回歸分析結(jié)果-簡(jiǎn)化格式。