回归是一种统计方法，可让我们了解自变量和因变量之间的关系。

逐步回归是回归分析中一种筛选变量的过程，我们可以使用逐步回归从一组候选变量中构建回归模型，让系统自动识别出有影响的变量。

逐步回归，是通过逐步将自变量输入模型，如果模型具统计学意义，并将其纳入在回归模型中。同时移出不具有统计学意义的变量。最终得到一个自动拟合的回归模型。其本质上还是线性回归。

研究人员针对血压与年龄，体重，体表面积，持续时间，脉搏率、压力水平之间是否存在关系进行研究。

首先，可以分别对变量做相关分析或散点图，初步了解各自变量X与因变量Y的关系。

登录SPSSAU，选择【通用方法】--【相关】或【可视化】--【散点图】。

从相关分析结果看，年龄、体重、体表面积、脉搏频率与血压有显著的正相关关系。

然后，再利用逐步回归进行分析。选择【进阶方法】--【逐步回归】。

逐步回归分析是在回归分析的基础上，加入了一项功能，即自动化移除掉不显著的X，其结果各指标意义与回归分析均一致。逐步回归通常用于探索研究中。

在分析时，可首先对模型情况进行分析，然后分析X的显著性，并判断X对Y的影响关系大小及方向。

根据回归结果显示，最终模型共包含年龄、体重、体表面积共3个自变量。R方值为0.995，意味着年龄,体重,体表面积可以解释血压的99.5%变化原因，说明模型构建较好。

最终具体分析可知：

年龄的回归系数值为0.702(t=15.961，p=0.000