怎样用spss做回归分析?

一、在spss中准备好数据，然后在菜单栏上执行：analyse--regression--2stages least squares。

二、打开二阶对话框，如图所示，将自变量和因变量放入各自的对话框，这里和简单线性回归十一样的。

三、接着，和简单线性回归不同的就是我们要放入工具变量，也就是对上面的受教育年限进行预测的变量，这个变量包括：父母的受教育年限、年龄、种族。在解释变量中有、在工具框中没有的变量就是我们的工具变量要预测的变量。

四、点击ok按钮，开始处理数据并输出结果。

五、第一个结果是对模型的描述，它告诉你各个变量都属于什么变量。

六、第二个结果就是方差分析，sig小于005说明回归效应显著，回归方程成立。

扩展资料：

如何使用spss 进行卡方检验

一、 输入数据 

首先录入数据组，运行SPSS 130的软件后，点击Variable View标签，切换到变量输入窗口。

二、 建立加权变量 

选择菜单栏的“数据”—“观测量加权”，英文版为“data”---“Weight cases…”然后会弹出观测量加权”对话框。 

三、 交叉表设置 

选择菜单栏的“分析”—“描述统计”—“交叉表”，将会弹出交叉表对话框。

四、 结果分析

里面标示出了实际频数，理论频数以及百分比，表格就是卡方检验的结果了。

参考资料：

如何使用spss 进行卡方检验

工具：spss 220

1、打开数据以后，在菜单栏上执行：data--aggregate，打开数据聚合对话框

2、将记者姓名放到分组变量，然后将稿件数量和字数都放到聚合变量里，这时候你看到了，系统默认是求均值，要求的其实是总和，所以，先选中其中一个变量，比如选中稿件数量，然后点击function

3、在打开的function对话框中，勾选sum，然后点击continue，这样就将均值转换成了求和

4、同样的方法，勾选字数，点击function按钮

5、勾选sum，然后点击continue，返回数据聚合对话框

6、这时候所有的设置已经基本完成，点击ok即可开始转换数据

7、最后看到数据结果了，最后生成了两列变量，分别求出了每个记者的稿件数量和字数总数。

1、首先需要选择分析-回归分析-线性回归。

2、接下来选择打开其中的对话框。

3、然后将需要计算权重的变量选入。

4、然后打开统计量对话框，里面有计算权重的方法。

5、接下来可以选择共线性诊断，就可以自动生成权重了。

6、点击确定，生成结果，得到各指标的权重。

你的问题提供的证据不全面。

这些数据都是平均值和标准差（或标准误）。

数据后面的字母表示差异。相同字母表示差异不显著，意思是分组的话应该分在同一个组里；不同字母表示差异显著，意思是分组的话应该分在不同的组里面。

你的数据后面有两种字母，一种是大写，一种是小写。

不同大写字母表示的数据在XXX之间差异显著；不同小写字母表示数据在YYY之间差异显著。

至于XXX和YYY是什么，需要看额外的信息。

对你的数据而言，假定“不同大写字母表示这六个数据之间差异显著”，那就意味着如下结果：

36202 = 33146 = 33022 = 32460 = 32730 > 27402

意思是，只有第二组数据最小；而其它数据差异不显著，都相等。

对你的数据而言，假定“不同小写字母表示这六个数据之间差异显著”，那就意味着如下结果：

36202 > 27402 > 33146 = 33022 = 32460 = 32730

这个结果明显不对，但我们在那个假定的前提下，只能得出这个荒谬的结果。

所以，请把问题尽量全面的表述出来。

另外，你给的分数太少了，以后尽量对这种专业性的问题，多给悬赏分。

SPSS统计软件可以用来做许多数据分析，回归分析就是其中之一。回归分析就是探索两种及其以上变量之间的关系，运用十分广泛，按照自变量和因变量之间的函数关系类型可以分为线性回归分析和非线性回归分析。回归分析不仅可以分析数据，更可以用来预测一些数据的发展情况，从而应用非常广泛。多因素回归分析步骤如下：

1、打开SPSS软件后点击右上角的打开文件按钮打开你需要分析的数据文件

2、接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击图形---旧对话框---散点/点状

3、选择简单分布，并点击定义，这种散点图是我们常见的，而其他几种都比较复杂，用到这儿就把简单问题复杂化了。

4、在接下来的弹出框中设置x轴和y轴，然后点击确定，其他都不要管，然后得到散点图，可以看出x轴和y轴明显呈线性关系，所以接下来的回归分析就要用线性回归方法，假设图像呈曲线就需要选择曲线拟合的方法。

5、点击分析---回归---线性

6、在弹出的线性回归框中设置自变量和因变量，其他的选项用默认设置即可，其他的选项只是用来更加精确地去优化模型

7、接下来就是结果分析了，一共在输出文档中弹出了四张表其中系数表就是所求出来的模型，根据B列写出函数表达式，这道题就是y=1594x+26659，sig均小于005表示自变量对因变量有显著影响。

8、Anova表表示分析结果，主要看的是F和Sig值，F值对应的Sig值小于005就可以认为回归方程是有用的，

9、模型汇总表中R表示拟合优度，值越接近1表示模型越好。至此回归分析就完成了图中的这个模型就是比合理的。