spss做多元线性回归分析时怎么控制行业变量

您可以使用阶层回归分析。之后，所谓的“控制变量”是寻找出这些变量的影响来预测因变量其它变量的作用是如何。
例如，在该分析中，人口统计变量（性别，年龄等）作为控制变量，在分层回归到block1，再放入block2的其他变量。通过观察结果可以人口统计学变量排除后，可以看出派生，其他变量方差增长的贡献率。

多元线性回归
1打开数据，依次点击：analyse--regression，打开多元线性回归对话框。
2将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3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。
4等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
5选项里面至少选择95%CI。
点击ok。
统计专业研究生工作室原创，请勿复杂粘贴

您可以使用阶层回归分析。之后，所谓的“控制变量”是寻找出这些变量的影响来预测因变量其它变量的作用是如何。
例如，在该分析中，人口统计变量（性别，年龄等）作为控制变量，在分层回归到block1，再放入block2的其他变量。通过观察结果可以人口统计学变量排除后，可以看出派生，其他变量方差增长的贡献率。

R²太低，就说明你的模型不够好啊，再找文献，再想漏了哪些自变量啊！或者你把结果截图发上来看看呗，估计你的数据质量不高也有可能这样的！另外啊，你研究的是什么学科的啊，例如营销啊、人力资源啊、之类基于心理学的学科，R²有03几也可以接受啊，心理变量这种东西太难说了，有30%解释度已经不错了好吧~~~
自变量不要一次放太多进去，太多了会相互影响原本显著的，放多了就会变成不显著的了~~~不必要的东西都米洗掉！

---