SPSS进行一元线性回归分析的一般步骤是什么？

一个自变量 一个因变量
如果要进行线性回归，无论是一元还是多元，第一步首先应该先画下散点图，看是否有线性趋势，如果有线性趋势了，再使用线性回归。这个是前提，现在很多人都忽略这一点 直接使用的。
至于判断线性方程 拟合的好坏，看R方和调整的R方就可以了，R方越接近1，说明拟合的效果越好。你这个里面 R方为0618，调整的R方为0570，说明这个自变量可以解释因变量57%左右的变异，不能说好，也不能说坏。看具体情况而定
Anova(b)这个表格是检验 回归方程是否显著的，sig的值=0007 小于005，说明回归模型有意义，可以使用。
下面一个标准化回归系数 和非标准化回归系数 则是回归方程自变量的系数，非标准化的系数用来拟合方程使用，标准化的系数是剔除了不同自变量的不同计量单位影响的，用于比较多个自变量的影响大小

打开数据以后，菜单栏上依次点击：analyse--regression--binary logistic，打开二分回归对话框
将因变量和自变量放入格子的列表里，如图所示，上面的是因变量，下面的是自变量，我们看到这里有三个自变量
设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法，在前面的文章中有介绍，这里就不再熬述。
点击ok，开始处理数据并检验回归方程，等待一会就会d出数据结果窗口
看到的第一个结果是对case的描述，第一个列表告诉你有多少数据参与的计算，有多少数据是缺省值；第二个列表告诉你因变量的编码方式，得分为1代表患病，得分为0代表没有患病
这个列表告诉你在没有任何自变量进入以前，预测所有的case都是患病的正确率，正确率为%526
下面这个列表告诉你在没有任何自变量进入以前，常数项的预测情况。B是没有引入自变量时常数项的估计值，SE它的标准误，Wald是对总体回归系数是否为0进行统计学检验的卡方。
下面这个表格结果，通过sig值可以知道如果将模型外的各个变量纳入模型，则整个模型的拟合优度改变是否有统计学意义。 sig值小于005说明有统计学意义
这个表格是对模型的全局检验，为似然比检验，供给出三个结果：同样sig值<005表明有统计学意义。
下面的结果展示了-2log似然值和两个伪决定系数。两个伪决定系数反应的是自变量解释了因变量的变异占因变量的总变异的比例。他们俩的值不同因为使用的方法不同。
分类表，这里展示了使用该回归方程对case进行分类，其准确度为%718。
最后是输出回归方程中的各变量的系数和对系数的检验额值，sig值表明该系数是否具有统计学意义。到此，回归方程就求出来了。

---