SPSS统计软件可以用来做许多数据分析，回归分析就是其中之一。回归分析就是探索两种及其以上变量之间的关系，运用十分广泛，按照自变量和因变量之间的函数关系类型可以分为线性回归分析和非线性回归分析。回归分析不仅可以分析数据，更可以用来预测一些数据的发展情况，从而应用非常广泛。多因素回归分析步骤如下：

1、打开SPSS软件后点击右上角的【打开文件按钮】打开你需要分析的数据文件

2、接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击【图形】---【旧对话框】---【散点/点状】

3、选择【简单分布】，并点击【定义】，这种散点图是我们常见的，而其他几种都比较复杂，用到这儿就把简单问题复杂化了。

4、在接下来的弹出框中设置x轴和y轴，然后点击确定，其他都不要管，然后得到散点图，可以看出x轴和y轴明显呈线性关系，所以接下来的回归分析就要用线性回归方法，假设图像呈曲线就需要选择曲线拟合的方法。

5、点击【分析】---【回归】---【线性】

6、在弹出的线性回归框中设置自变量和因变量，其他的选项用默认设置即可，其他的选项只是用来更加精确地去优化模型

7、接下来就是结果分析了，一共在输出文档中弹出了四张表其中【系数表】就是所求出来的模型，根据B列写出函数表达式，这道题就是y=1.594x+26.659，sig均小于0.05表示自变量对因变量有显著影响。

8、【Anova表】表示分析结果，主要看的是F和Sig值，F值对应的Sig值小于0.05就可以认为回归方程是有用的，

9、【模型汇总表】中R表示拟合优度，值越接近1表示模型越好。至此回归分析就完成了图中的这个模型就是比合理的。

步骤如下：

1、把自己需要分析的数据导入到SPSS，点击左上角的文件进行打开，选择弹出对话框中的数据。2、点击工具栏上的分析，依次选择回归，然后选择“多项Logistic” 多元线性回归分析和logistic回归分析都可以的。3、把变量依次移动到右侧的因变量、因子和协变量框内。4、就可以在度量标准中看到度量数据。5、再对多项逻辑回归的模型、统计量、条件、选项和保存进行设置。6、点击确定，即可用SPSS把多因素Logistic回归分析做好。多因素logistic回归是指包含的研究因素较多，如二项logistic回归、多项Logistic回归等。

多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。SPSS调用“Univariate”过程，检验不同水平组合之间因变量均数，由于受不同因素影响是否有差异的问题。在这个过程中可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差，以及各因素变量与协变量之间的交互作用。该过程要求因变量是从多元正态总体随机采样得来，且总体中各单元的方差相同。但也可以通过方差齐次性检验选择均值比较结果。因变量和协变量必须是数值型变量，协变量与因变量不彼此独立。因素变量是分类变量，可以是数值型也可以是长度不超过8的字符型变量。固定因素变量(Fixed Factor)是反应处理的因素;随机因素是随机地从总体中抽取的因素。

研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异。

向左转|向右转

1）准备分析数据

在数据窗口中输入数据。建立因变量历期“历期”变量，因素变量温度“A”，湿度为“B”变量，重复变量“重复”。然后输入对应的数值，如图5-6所示。或者打开已存在的数据文件“DATA5-2.SAV”。

2）启动分析过程

点击主菜单“Analyze”项，在下拉菜单中点击“General Linear Model”项，在右拉式菜单中点击“Univariate”项，系统打开单因变量多因素方差分析设置窗口如图5-7。

向左转|向右转

3）设置分析变量

向左转|向右转

4）选择分析模型

在主对话框中单击“Model”按钮，打开“Univariate Model”对话框。见图5-8。

在Specify Model栏中，指定分析模型类型。

① Full Factorial选项

此项为系统默认的模型类型。该项选择建立全模型。全模型包括所有因素变量的主效应和所有的交互效应。例如有三个因素变量，全模型包括三个因素变量的主效应、两两的交互效应和三个因素的交互效应。选择该项后无需进行进一步的操作，即可单击“Continue”按钮返回主对话框。此项是系统缺省项。

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

向左转|向右转

多因素方差分析，用于研究一个因变量是否受到多个自变量也称为因素的影响，它检验多个因素取值水平的不同组合之间，因变量的均值之间是否存在显著的差异。多因素方差分析既可以分析单个因素的作用主效应，也可以分析因素之间的交互作用交互效应，还可以进行协方差分析，以及各个因素变量与协变量的交互作用。1、进入SPSS环境，打开数据文件。2、选择变量，在多变量窗口中，将数学成绩、英语成绩选入因变量列表框，将考生所在地，性别选入固定因子列表框。3、对比设置，单击对话框右侧对比按钮，在弹出的窗口中选择差值，并单击继续。4、绘图设置，单击右侧绘图按钮，将考生所在地选入水平轴，性别选入单图，再单击添加按钮。5、多重比较设置。将考生所在地区和性别选入时候检验列表框中，并选择LSD复选框，单击继续按钮回到多变量对话框，确定后等待结果输出即可。

主要是看显著性值，也即sig.值或称为p值。 前一个方差表是总体的。 自由度df=2,也即是2+1=3个处理，正好对应多重比较的1，2，3处理。 一般以0.05作为显著性判定标准。 组间显著性值为0.003

多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。

多因素方差分析不仅能够分析多个控制变量对观测变量的独立影响，更能够分析多个控制变量的交互作用能否对观测变量产生显著影响，最终找到利于观测变量的最优组合。

多因素方差分析的第一步是明确观测变量和若干个控制变量，并在此基础上提出原假设。

多因素方差分析的原假设是：各控制变量不同水平下观测变量各总体的均值无显著性差异，控制变量各效应和交互作用效应同时为0，即控制变量和它们的交互作用没有对观测变量产生显著影响。

spss功能强大

具有完整的数据输入、、统计分析、报表、图形制作等功能。自带11种类型136个函数。

SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

多因素分析亦称“多因素指数体系”。指数体系的一种。用于说明一个现象总变动受三个或三个以上因素影响时，其中每个因素的变化对总变动影响的方向和程度。分析依据是：(1)根据统计分析目的和经济现象的内在联系确定指数体系；（2)各因素的排列顺序应是数量指数在前，质量指数在后；（3)各个因素指数的编制原则是：观察数量指标变动时，将质量指标（权数）固定在基期；观察质量指标变动时，将数量指标（权数）固定在报告期。如利润额=销售量X价格X利润率,则该总量指标指数等于这三个因素的特定指数的乘积。在多因素分析中，要从相对数和绝对数两方面分析多个因素的变化方向（上升或下降）和变动程度（上升或下降多少）构成。两因素分析亦称“两因素指数体系”。指数体系的一种。用于说明一个现象总变动受两个因素影响时，其中每个因素的变化对总变动影响的方向和程度。分析依据是：当某个总量指标等于其他两个因素相乘时，如销售额=销售量X价格，产品总成本=产品产量X单位成本等，则该总量指标指数等于这两个因素的特定指数的乘积。在两因素分析中，要从相对数和绝对数两方面分析两个因素的变化方向（上升或下降）和变动程度（升降多少）构成。一般情况下，单因素和多因素分析相辅相成，单因素分析可以初步探索预测变量与响应变量的关系，并且当样本量不是很大的时候可以通过单因素分析删除部分无关的预测变量；而多因素分析可以进一步排出其它混杂因素的影响，从而确定预测变量与响应变量的相关性；此外，将单因素和多因素的结果进行比较更容易发现问题，如果单因素和多因素结果一致，结论就比较稳定且容易解释，但在一些情况下，结果可能存在差异。举