一、多元线性回归分析
    1、调用命令“Analyze-Regression-Linear”，打开Linear Regression主对话框。   

2、一元线性回归

一元线性回归就是要通过观测点找出描述自变量X与因变量Y之间关系的回归方程。y=a+bx

2、多元线性回归

多元线性回归是根据多个自变量的最优组合建立线性回归方程来预测因变量。y=a+b1x1+b2x2+…+b3x3

将研究因变量与两个或两个以上的自变量有线性相关的回归分析称为多元线性回归，是一元线性回归的扩展。多元线性回归分析的基本思想是使残差平方和达到最小值。

多元线性回归分析要求因变量必须是数量型变量，自变量可以是数量型变量，也可以是分类变量。

多元线性回归方程的检验：对回归方程和方程中的各个自变量系数进行检验，可以判断回归方程中自变量是否是对因变量的值预测较有效的自变量。残差分析可以检验建立的回归模型是否很好地拟合了原始数据。

（1）拟合优度检验。方程拟合优度检验主要是检验自变量对因变量的解释程度。多元线性回归采用校正决定系数Adjusted RSquaare进行检验。R²取值在0到1之间，取值越大，说明模型拟合的效果越好。

（2）回归方程的显著性检验（F检验）。主要检验自变量全体与因变量的线性关系是否显著。一般采用F检验，利用方差分析的方法进行。

（3）回归系数和常数项的显著性检验（t检验）。回归系数的显著性检验主要是检验每个自变量和因变量之间的线性关系是否显著。常数项检验用来检验常数项是否显著为零。

在多元线性回归中可能会出现回归方程的显著性检验通过了，而某个自变量的系数显著性检验不成立的情况。因此，方程显著性F检验和系数显著性检验t检验不能相互替代。

（4）残差的正态性检验。最简单的方法是做残差的直方图或累积概率图（P-P图）。P-P图用来判断一个变量的分布是否与一个指定的分布一致。如果两种分布基本相同，那么P-P图中的点应该围绕在一条斜线的周围。