回歸分析應用廣泛，既可以建立輸出模型、預測趨勢，又可以用來探索影響因素，同時又是最基礎、最常見的數據分析方法。要說一定要學會一種分析方法，那回歸分析無疑在首推名單之列，因此本文就來講一講回歸分析。

分類

回歸分析是用於研究變數間的影響關係情況，實質上就是研究X對Y的影響關係情況。在線性回歸分析中，根據回歸模型中X的個數，可將其分為一元線性回歸和多元線性回歸。

按照Y的多少，又可分為簡單回歸分析和多重回歸分析。

按照X和Y之間的關係類型，可分為線性回歸分析和非線性回歸分析。

當然這些分類不能完全概括回歸分析的類型，在《19種回歸分析你知道幾種呢？》一文中SPSSAU已經為大家詳細的介紹過回歸分析的各種分類，以及每種回歸分析的用途，這裡就不再贅述了。

分析步驟

了解了回歸分析的分類之後，我們再以線性回歸為例，說一說一般做回歸分析的步驟，具體步驟如下：

第一步：首先確定X、Y。

由於回歸分析是要分析一個變數如何隨其他變數的變化而變化，因此第一步應該確定哪些變數是X（解釋變數），哪些是Y（被解釋變數），通常X為定量數據，Y定量數據。將對於的題目拖拽到右側，點擊開始分析，即可生成結果。

注意：回歸分析之前，可使用SPSSAU提供的箱盒圖查看是否有異常數據，或使用散點圖直觀展示X和Y之間的關聯關係。

第二步:對模型情況進行分析

包括模型擬合情況(比如R平方為0.3,則說明所有X可以解釋Y 30%的變化原因),模型共線性問題(VIF值小於5則說明無多重共線性),是否通過F檢驗(F檢驗用於判定是否X中至少有一個對Y產生影響,如果呈現出顯著性,則說明所有X中至少一個會對Y產生影響關係)。

第三步:分析X的顯著性

如果顯著(p值判斷),則說明具有影響關係,反之無影響關係。

第四步:判斷X對Y的影響關係方向

回歸係數B值大於0說明正向影響,反之負向影響。

第五步:其它

比如對比影響程度大小(回歸係數B值大小對比X對Y的影響程度大小)。

回歸分析之後，可使用正態圖觀察和展示保存的殘差值正態性情況；或使用散點圖觀察和展示回歸模型異方差情況【殘差與X間的散點完全沒有關係則無異方差】。

上圖是回歸分析保存的殘差值與自變數作散點圖，用於檢測異方差性，可以看出，數據基本上沒有規律可循，X變化時，Y並不會變大或者變小，因而說明無關聯性，也即說明沒有異方差性。

具體案例

背景：研究「淘寶客服服務態度」，「淘寶商家服務質量」分別與「淘寶忠誠度」之間的關係情況，此句話中明顯的可以看出「淘寶客服服務態度」，「淘寶商家服務質量」這兩項為 X；而「淘寶忠誠度」為 Y。

1、確定X，Y。

• 如果有特別要求，希望保存殘差值和預測值，則可將「保存殘差和預測值」這項打勾即可，通常情況並不需要。

2、SPSSAU輸出結果

其他說明

在實際分析中很可能會出現一些奇怪的現象，比如：有回歸影響關係，但是卻沒有相關關係；或者負向影響關係，但卻是正向相關關係。這種情況要怎麼辦呢？

從分析的角度看，相關分析是研究有沒有關係，回歸分析是研究影響關係。明顯地，相關分析是基礎，然後再進行回歸分析。首先需要知道有沒有相關關係；有了相關關係，才可能有回歸影響關係；因而應該先進行相關分析，完成相關分析後，確認有了相關分析，再進行回歸分析。

在相關性分析時,結果是兩個變數之間的關係，其他變數的影響是不被考慮的；但是，進行回歸分析時，如果入選的變數不止一個，那麼入選變數之間可以產生影響。因此，普通相關與回歸之中的回歸係數會有比較大的差別。

• 如果有回歸影響關係，沒有相關關係【此時建議以『沒有相關關係作為結論』】
• 有負向影響關係，正向相關關係【此時建議以『有相關關係但沒有回歸影響關係作為結論』】

參考資料

SPSS在線_SPSSAU_SPSS回歸分析

SPSS在線_SPSSAU_SPSS散點圖

推薦閱讀：