SPSS逐步回归分析步骤

在实际的生产生活中，常常会遇到这样的状况，多种催化剂共同使用，化学反应效率提高，但是不确定哪些催化剂起主要作用。一个地区的居民收入受到多种因素的影响，但是不能确定哪些因素起主要作用。在这种情况下，设计实验进行验证，就需要引入大量的影响因子，大大限制效率的提高。如果借助统计学中的逐步回归统计方法，就能大大节省实验成本。

SPSS软件内置了逐步回归分析功能，只需将初步试验数据录入，选择合适的分析方法，SPSS就能提供影响因子的回归方程，同时剔除对结果影响不大的因素，显著提高工作效率。

SPSS实现逐步回归的基本步骤是，将变量一个一个引入，对引入的变量逐个进行检验，逐步剔除影响最不显著的自变量，直至将全部数据计算完毕，构造更优的回归方程。

1.数据录入

例：对于4种催化剂的催化效率进行了研究，得到了产率的实验数据。

打开SPSS软件，录入实验数据,如图1所示。前4列为催化剂用量，第5列为产率。

图1录入数据

在图2所示界面，对变量属性进行设置。

图2变量属性设置

2.进行逐步回归分析

点击分析，回归，线性，将产率指定为因变量，将四种催化剂用量指定为自变量，方法栏选中“逐步”。

单击选项按钮，在“使用F的概率”中的进入输入0.1，删除输入0.11。

表示当候选变量中最大F值的P值小于或等于0.1时，引入相关变量。在引入方程的变量中，最小F值的P值大于或等于0.1时，则剔除该变量。

点击确定进行逐步回归分析。

图3逐步回归分析过程

3.逐步分析结果解读

在逐步分析结果中，需要关注以下三个方面：

首先，排除的变量，催化剂A和催化剂C，其显著性分别为0.724，0.676，远大于0.05，接受A，C用量与产率无关的假设，将这两个变量进行剔除。

在模型摘要中，引入催化剂B和D，R值为1，认为B，D和产率之间存在强线性相关关系，接受B，D为产率的自变量。

在系数表格中，未标准化系数催化剂D为2，催化剂B为1，认为产率=2*D+B，逐步线性回归分析完毕。

图4结果解读

逐步线性回归分析对于优化实验条件具有重要实用价值，如果人工进行统计学计算则相当繁琐，借助SPSS可以迅速完成统计分析，大大提高工作效率。