品牌型号：联想ThinkBook

系统：windows10 64位旗舰版

软件版本：IBM SPSS Statistics 29.0.2.0

在很多数据统计工作中，都会应用SPSS进行数据的统计和分析，这样可以不仅可以提高数据统计效率，还可以让数据之间的关系更为直观化。在数据统计中线性回归是经常被使用到的，不过有些小伙伴对线性回归并不是很理解。下面给大家详细介绍，SPSS对数线性回归怎么做，以及SPSS对数线性回归结果怎么看。

一、SPSS对数线性回归怎么做

线性回归主要是指变量与变量之间的关系，或者变量与多个变量之间的关系。下面以身高和体重作为分析数据，来看看两者之间存在什么样的关系。具体操作如下。

1.将身高与体重数据导入到SPSS中，如下图，可以看见身高和体重两个变量的数据已经导入进来。

2.在菜单栏，点击“分析”中“回归”下的“线性”选项，打开“线性回归”参数设置窗口。

3.在“线性回归”窗口，将“体重”移动到“因变量”中，将“身高”移动到“”中。

4.点击“统计”按钮，在弹出的“线性回归：统计”窗口，勾选中“置信区间”选项，这个选项可以返回变量回归系数的可信区间，再勾选中“德宾-沃森”，这个选项是判断数据独立性的，点击“继续”按钮。

5.点击“图”按钮，在弹出的“线性回归：图”窗口，将“*ZPRED（预测值）”移动到X轴，将“*ZRESID（残差值）”移动到Y轴，勾选中“直方图”和“正态概率图”，点击“继续”按钮。

6.返回“线性回归”窗口后，点击“确定”按钮，就会生成身高与体重的线性回归报告。

二、SPSS对数线性回归结果怎么看

上文对身高与体重进行了线性回归分析，也生成了线性回归报告，下面就和大家一起解读。

在“模型摘要”图表中，可以看到R方的数值，R方的数值范围是0-1，越接近1，说明模型的拟合精度越高，这里的R方值是0.99，说明模型的拟合精度很高。

再来看德宾-沃森（简称DW），DW的值越接近2，残差变量越没有相关性，DW的值越接近0，残差变量正相关越强，DW的值越接近4，残差变量负相关越强。

ANOVN是方差分析的表格，表格中的F值是1433.024，显著性数值是小于0.001，说明数据模型是有统计学意义的。

在系数表格，根据身高与体重的B值，可以得到公式：体重=-87.517+3.450*身高，这个公式的意义是身高每增加1，体重就会增加3.450，这也从侧面说明数据是具有统计学意义的。

在正态分布直方图中，可以看到直方图有点偏离正态曲线，这提示数据可能是偏太的。虽然数据显示是有一些偏态，但是一些其他的原因也会导致图形呈现偏太，这就要以实际为主。

以上就是对线性回归结果的一个解读，这里需要注意的是，不同的数据样本分析出来的线性回归是不同的，大家在进行线性回归结果分析时，要以实际情况为准。

三、SPSS多元线性回归怎么做

多元线性回归是研究连续因变量与多个自变量之间关系的分析方法。下面在SPSS中给大家具体讲解，多元线性回归的具体做法。

1.将数据导入到SPSS中，依次点击“分析”-“回归”-“线性”，在打开的“线性回归”窗口，将“体重”移动到“因变量”，“身高”和“营养值”移动到“块（B）”，“方法”选择默认“输入”即可。

2.点击“统计”按钮，在弹出的窗口，勾选中“估算值”、“模型拟合”、“R方变化量”、“描述”、“共线性诊断”，点击“继续”按钮。

3.点击“图”按钮，在弹出的窗口，将“*ZRESID”选入Y轴，将“*ZPRED”选入X轴，勾选“直方图”、“正态概率图”，点击“继续”按钮。

4.点击“保存”按钮，分别勾选中“预测值”中的“未标准化”，和“残差”中的“未标准化”，点击“继续”，返回“线性回归”窗口，点击“确定”按钮，即可完成多元线性回归。

总结：以上就是SPSS对数线性回归怎么做 SPSS对数线性回归结果怎么看的全部内容。本文不仅给大家讲解了在SPSS中线性回归的方法，还给大家讲解了如何分析数线性回归结果。同时，也给大家讲解了如何在SPSS中做多元线性回归，希望能帮助到有需要的小伙伴。

作者：子楠