spss怎么使用一般线性模型,spss中怎么确立最终模型

勾选后可以将残差和预测值保存起来，可用于进—步分析使用。

背景：分析员工当前工资影响因素（数据已满足线性回归分析要求参考来源：SPSS统计分析第5版）。

1.线性回归分析结果

从上表可以看出，模型公式为：当前工资=-338.130 1.750*起始工资 710.927*受教育程度(年)-10.009*过去经验(月)-77.206*年龄，模型R方值为0.803，意味着起始工资,受教育程度(年),过去经验(月),年龄可以解释当前工资的80.3%变化原因。

对模型进行F检验时发现模型通过F检验(F=476.677，p=0.000<0.05)，也即说明起始工资,受教育程度(年),过去经验(月),年龄中至少一项会对当前工资产生影响关系，另外，针对模型的多重共线性进行检验发现，模型中VIF值全部均小于5，意味着不存在着共线性问题；并且D-W值在数字2附近，因而说明模型不存在自相关性，样本数据之间并没有关联关系，模型较好。

具体分析：

（1）起始工资的回归系数值为1.750(t=29.259，p=0.000<0.01)，意味着起始工资会对当前工资产生显著的正向影响关系。

（2）受教育程度(年)的回归系数值为710.927(t=4.190，p=0.000<0.01)，意味着受教育程度(年)会对当前工资产生显著的正向影响关系。

（3）过去经验(月)的回归系数值为-10.009(t=-1.762，p=0.079>0.05)，意味着过去经验(月)并不会对当前工资产生影响关系。

（4）年龄的回归系数值为-77.206(t=-1.535，p=0.126>0.05)，意味着年龄并不会对当前工资产生影响关系。

补充说明如下：

• 如果出现多重共线性问题，一般可有3种解决办法，一是使用逐步回归分析；二是使用岭回归分析，三是进行相关分析，手工移出相关性非常高的分析项，然后再做线性回归分析。
• DW值一般不用考虑时间序列可以考虑

2.模型预测

SPSSAU提供模型预测，输入自变量X后就会得到相应的因变量Y，例如：假设某员工“起始工资”为3000，“受教育程度”10年，过去经验为12个月，年龄为25，则通过模型预测出当前工资约为9971元（数据结果仅供案例分析）。

3.模型结果图

可以直观的看到自变量与因变量的之间的关系（基于回归系数基础上）。

4.模型汇总