一个与因变量最相关的自变量，用SPSS怎么做

先进行回归—线性，进行共线性诊断，将相关的因变量和自变量输入之后，进行共线性诊断。最后看容差和vif,tolance>O5,VIF<02则不存在共线性，否则存在。如存在多重共线性，则要进行进一步的因子分析。。我是这么想的，你可以下个spss的指导书

多重共线性的处理的方法
（一）删除不重要的自变量
自变量之间存在共线性，说明自变量所提供的信息是重叠的，可以删除不重要的自变量减少重复信息。但从模型中删去自变量时应该注意：从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除。如果删除不当，会产生模型设定误差，造成参数估计严重有偏的后果。
（二）追加样本信息
多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计，因此追加样本信息是解决该问题的一条有效途径。但是，由于资料收集及调查的困难，要追加样本信息在实践中有时并不容易。
（三）利用非样本先验信息
非样本先验信息主要来自经济理论分析和经验认识。充分利用这些先验的信息，往往有助于解决多重共线性问题。
（四）改变解释变量的形式
改变解释变量的形式是解决多重共线性的一种简易方法，例如对于横截面数据采用相对数变量，对于时间序列数据采用增量型变量。
（五）逐步回归法
逐步回归（stepwise
regression）是一种常用的消除多重共线性、选取“最优”回归方程的方法。其做法是将逐个引入自变量，引入的条件是该自变量经f检验是显著的，每引入一个自变量后，对已选入的变量进行逐个检验，如果原来引入的变量由于后面变量的引入而变得不再显著，那么就将其剔除。引入一个变量或从回归方程中剔除一个变量，为逐步回归的一步，每一步都要进行f
检验，以确保每次引入新变量之前回归方程中只包含显著的变量。这个过程反复进行，直到既没有不显著的自变量选入回归方程，也没有显著自变量从回归方程中剔除为止。

如果控制变量对自变量有影响，可以采取以下措施：
1 尽量减少控制变量的影响，如果可能，可以尝试控制变量的变化范围，以减少其对自变量的影响。
2 尝试使用更多的控制变量，以抵消控制变量对自变量的影响。
3 尝试使用更多的实验条件，以更好地控制变量的影响。
4 尝试使用更多的统计技术

多重共线性问题的发生。为了避免解释变量间存在的明显相关性对结果有影响，需要对解释变量做相关性实验，对自变量进行相关性检验可以避免多重共线性问题的发生，回归分析就是用一个或多个自变量来预测因变量的方法，具体是通过多组自变量和因变量的样本数据，拟合出最佳的函数关系。

可以通过“多分类Logistic回归”完成，Analyze——Regression——Multinomial Logistic Regression
▲ Dependent: 战略类型 ▲ Factor (s) : 自变量(分类变量) ▲ Covariate (s) : 自变量(连续性变量)
Model　⊙M ain effect (默认) （主效应模型，不分析自变量的交互效应） 点击Statistics选√ L ikelihood ratio test √ Parameter est imates (默认) ——OK 结果出现多套（战略类型若分为3类，就有两套）Logist ic 回归系数

那就说明你这个问卷设计不合理嘛。两个办法：

如果你一定要分析这对变量，就只好重新设计问卷做调查了。

如果可以的话，换其他变量进行分析。

---