数据分析在当下的我们面对庞大数据信息化的时代而言显得非常必不可少，当我们显然已经发现我们所面对的两件事物有一定的共同变化但又无法去确定这两件事物之间共同变化一致性的程度为何时，回归分析就可以很直观的帮我们去揭示事物之间的共同变化的一致性程度了，快来看看回归分析是如何解决这一让我们很是头痛的问题吧。
首先SPSS回归分析是一种应用很广的数量分析方法，用于分析事物间的统计关系，侧重数量关系变化，分为线性回归，二元logistic回归，多元logistic回归这三个板块，这也足以看出回归分析在数据分析中占有非常重要的位置。
01
那么回归分析是如何实现把庞大的数据关系化繁为简的呢？
回归分析的目标就是建立起由一个因变量和若干个自变量所构成的回归方程式，这样一来我们就可以直接通过所构建的回归方程来分析得出变量之间的相互控制关系啦。
二元线性回归模型：指只有一个解释变量的线性回归模型，用来揭示被解释变量与另一个解释变量的线性关系。
多元线性回归模型：指含有多个揭示变量的线性回归模型，用来揭示被解释变量与多个解释变量的线性关系。
02
操作步骤
在了解了回归分析的理论依据之后，我们来具体瞅瞅SPSS中的回归分析是如何操作的吧。
步骤：
1.“分析”-“回归”-“线性”/“二元logistic回归”/“多元logistic回归”
接着进入选择变量的界面。
在统计量中选择D-W检验也就是残差检验，这样可以查看回归模型是否存在问题。
如果想要查看直方图（H）和正态概率图(R)的话可以在图中进行勾选。
一切的准备工作到这里就全部结束了呢，那么结果部分该怎么去解读呢？一起来看看吧。
这个结果来看，不论是R方还是调整后的R方都在90%以上，这说明本次的回归模型的拟合效果还是很好的，然后根据第二张表结果来看方差显著性为0.00＜0.05，这说明这二者之间还是存在比较明显的线性关系的，表三来看t检验里的显著水平0.00＜0.05具有一定的统计学意义。一般来说SPSS分析中的线性回归分析到这里就基本上是做完了的。
但是前面我们还提及到了D-W值，这个数据其实也在前面汇总的表格1中有所提及的，此次的D-W值为1.475（这个数据就是让我们判断是否我们所使用的数据存在自相关等问题）
这两个图也就是我们需要的残差图，由图可知，上面的图中显示也可以看出残差的分布没有呈现出明显的规律性，这也可以说明我们所使用的数据存在自相关等问题。
好了，SPSS之回归分析就介绍到这啦，uu们有没有对数据之间的整理分析有一个更加深入透彻的了解呀？
-END-
文 | 蓝桉
