1.回归分析缺少Y？
回归分析是研究X对于Y的影响。有时候由于问卷设计问题，导致直接缺少了Y(没有设计对应的问卷题项)，建议可以考虑将X所有题项概括计算平均值来表示Y。（使用“ 生成变量”的 平均值功能）（另提示：如果问卷中并没有设计出Y对应的题项，没有其它办法可以处理）
2.影响关系的大小,那个自变量影响更大一点?
如果说自变量X已经对因变量Y产生显著影响(P< 0.05)，还想对比影响大小，建议可使用标准化系数( Beta)值的大小对比影响大小，Beta值大于0时正向影响，该值越大说明影响越大。Beta值小于0时负向影响，该值越小说明影响越大。
3.回归分析之前是否需要先做相关分析?
一般来说，回归分析之前需要做相关分析，原因在于相关分析可以先了解是否有关系，回归分析是研究有没有影响关系，有相关关系但并不一定有回归影响关系。当然回归分析之前也可以使用散点图直观查看数据关系情况等。
4.常数项值很大或者很小？
常数项无实际意义，包括其对应的显著性值等均无实际意义，只是数学角度上一定存在而已。
5.回归系数非常非常小或者非常非常大？
如果说数据的单位很大，不论是自变量X还是因变量Y；此种数据会导致结果里面的回归系数出现非常非常小，也或者非常非常大。此种情况是正常现象，但一般需要对数据进行统一取对数处理，以减少单位问题带来的‘特别大或特别小的回归系数’问题。
总结以上就是多元线性回归分析的指标解读，对于线性回归的操作步骤具体可以查看推荐文章，线性回归在实际研究里非常常见，但是理论与实际操作会有较大“距离”，具体还需要结合实际研究考察。
