企业基本情况用spss那个分析

在分析企业基本情况时，可以使用SPSS中的描述性统计分析和交叉表分析等方法。
描述性统计分析可以帮助您了解企业基本情况的概括性信息，例如平均值、中位数、标准差、最小值和最大值等。您可以使用SPSS的“描述性统计”功能来计算这些指标并生成报告。
另一种常用的分析方法是交叉表分析，它可以帮助您了解不同变量之间的关系和交叉情况。您可以使用SPSS的“交叉表”功能来生成交叉表并计算各种交叉变量之间的相关性。
除此之外，SPSS还提供了其他一些分析方法，例如因子分析、聚类分析和回归分析等，这些方法可以帮助您进一步挖掘企业基本情况中的潜在信息和关系。
总之，在使用SPSS进行企业基本情况分析时，您可以根据需要选择不同的分析方法，并使用SPSS的各种功能和工具来计算和生成相关统计指标和报告。

SPSS线性回归分析中,系数表解读
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,所以看结果要看标准系数的,非标准化的可以不看
你写的回归方程式用非标准化系数来的,要改成标准系数的就对了,就算用非标准化的,你方程的截距都没有,非标准化的方程还是有截距的（就是那个常量）

给你举个例子来说明吧
左表的数据是对数年来国内旅游者的旅游花费与自由自配收入、闲暇时间的调查数据。（数据是假设的）
目的：试进行多重回归分析，求出回归方程式，来年若闲暇时间没有变化，但自由自配收入较之今年将会增加10%，那么人的旅游花费将会使多少则它的营业收入将会是多少？
24
年度 旅游消费 自由支配收入 闲暇时间
2000 678 306 697
2001 703 422 713
2002 720 410 776
2003 743 526 810
2004 762 618 787
2005 768 623 763
2006 775 635 796
2007 796 653 789
2008 803 700 800
这里先做一个相关性的分析，可以看出旅游消费跟年度和自由支配收入都有很强的线性关系，可以知道旅游消费除了跟收入有关之外，随着年度的增长，人们消费意识和生活水平的提升，旅游消费会有一个内在的增长，这个增长不受自由支配收入影响。
接下来做一个多元线性回归分析。结果如下：
模型摘要
模型 R R 方 调整的 R 方 估计的标准差
1 997a 994 991 4027
a 预测变量:(常量), 闲暇时间, 年度, 自由支配收入。
系数(a)
非标准化系数 标准化系数
模型 B 标准误 Beta t 显著性
1 （常量） -16301485 3364382 -4845 005
年度 8432 1688 545 4995 004
自由支配收入1187 362 378 3281 022
闲暇时间 1167 559 109 2090 091
a 因变量: 旅游消费
从模型摘要中可以知道R方值为0994，说明该回归模型可以解释994%的样本，已经非常高了。
从系数表中可以知道，常量、年度、收入的显著性都比较强，可以接受，闲暇时间的显著性就比较低，可以考虑把闲暇时间这个变量剔除。
第一次回归模型为：
旅游消费=-16301485 + 8432年度 + 1187自由支配收入 + 1167闲暇时间
把闲暇时间剔除后再做一次回归分析，结果如下：
模型摘要
模型 R R 方 调整的 R 方 估计的标准差
1 995a 989 986 5031
a 预测变量:(常量), 自由支配收入, 年度。
系数(a)
非标准化系数 标准化系数
模型 B 标准误 Beta t 显著性
1 （常量） -16381422 4203201 -3897 008
年度 8510 2108 550 4036 007
自由支配收入1433 427 457 3352 015
a 因变量: 旅游消费
R方为0989，拟合度很高，可以接受。
回归模型为： 旅游消费=-16381422 + 8510年度 + 1433自由支配收入
第二次回归模型所有系数显著性都很强，可以接受。第一个模型和第二个模型拟合度都非常高，两个都可以接受，看你喜欢哪个。
来年收入增加10%的话，记住还要加上年度的影响。

---