相关分析可以揭示事物之间共同变化的一致性程度，但它仅仅只是反映出了一种相关关系，并没有揭示出变量之间准确的可以运算的控制关系，也就是函数关系，不能解决针对未来的分析与预测问题回归分析就是分析变量之间隐藏的内在规律，并建立变量之间函数变化关系的一种分析方法，回归分析的目标就是建立由一个因变量和若干自变量构成的回归方程式，使变量之间的相互控制关系通过这个方程式描述出来。
工具/原料
spss
方法/步骤
1
线性回归方程：一次函数式，用于描述因变量与自变量之间的内在关系。根据自变量的个数，可以分为一元线性回归方程和多元线性回归方程。观测值：参与回归分析的因变量的实际取值。对参与线性回归分析的多个个案来讲，它们在因变量上的取值，就是观测值。观测值是一个数据序列，也就是线性回归分析过程中的因变量。回归值：把每个个案的自变量取值带入回归方程后，通过计算所获得的数值。在回归分析中，针对每个个案，都能获得一个回归值。因此，回归值也是一个数据序列，回归值的数量与个案数相同。在线性回归分析中，回归值也常常被称为预测值，或者期望值。残差：残差是观测值与回归值的差。残差反映的是依据回归方程所获得的计算值与实际测量值的差距。在线性回归中，残差应该满足正态分布，而且全体个案的残差之和为0。
2
选择需要进行分析的数据
3
选择菜单【分析】-【回归】-【线性】命令，启动线性回归命令。
4
选择相应的变量，左边的原变量选入到检验变量列表中
5
打开统计量，选择如下
6
打开绘制，选择如下
7
打开选项，选择如下
8
点击确定，结果如下
求投票
您的支持是我最大的动力！希望大家多多支持，让我能做的更好！您如果觉得此篇经验对您有帮助，请到网页最下边给我支持，帮我投投票，在这里小编先谢谢大家了。
上一篇：怎么用SAS编程做线性回归分析