spss回归模型做预测
spss回归分析的各项参数怎么看？
spss回归分析的各项参数怎么看？
首先来说明各个符号，B也就是beta，代表回归系数，标准化的回归系数代表自变量也就是预测变量和因变量的相关，为什么要标准化，因为标准化的时候各个自变量以及因变量的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。T值就是对回归系数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显著性，在统计学上，siglt0.05一般被认为是系数检验显著，显著的意思就是你的回归系数的绝对值显著大于0，表明自变量可以有效预测因变量的变异，做出这个结论你有5%的可能会犯错误，即有95%的把握结论正确。
回归的检验首先看anova那个表，也就是F检验，那个表代表的是对你进行回归的所有自变量的回归系数的一个总体检验，如果siglt0.05,说明至少有一个自变量能够有效预测因变量，这个在写数据分析结果时一般可以不报告
然后看系数表，看标准化的回归系数是否显著，每个自变量都有一个对应的回归系数以及显著性检验
最后看模型汇总那个表，R方叫做决定系数，他是自变量可以解释的变异量占因变量总变异量的比例，代表回归方程对因变量的解释程度，报告的时候报告调整后的R方，这个值是针对自变量的增多会不断增强预测力的一个矫正（因为即使没什么用的自变量，只要多增几个，R方也会变大，调整后的R方是对较多自变量的惩罚），R可以不用管，标准化的情况下R也是自变量和因变量的相关。
spss回归分析如何选择因变量？
我们在回归分析中需要用到两个自变量之间的选择回归模型来检验两个变量之间的交互效应，其实就是两个变量的乘积，具体方法为：
1、打开SPSS软件，然后打开一份要进行计算交互项的数据表。
2、在功能栏中点击【转换-计算变量】。
3、接着要添加一个新的变量名称，点击下方的【类型与标签】，输入一个标签名称。
4、把要进行相乘的变量放在编辑公式框中。
5、然后利用计算器键盘直接进行两个变量相乘。
6、最后即可看到新增的变量，新增模型。
注意事项：
SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。