coefPlot展示具体的回归系数值和对应的置信区间，可直观查看数据的显著性情况，如果说置信区间包括数字0则说明该项不显著，如果置信区间不包括数字0则说明该项呈现出显著性。
四、常见问题说明- 多个问卷量表题如何表示一个维度？
比如有两个题“我愿意向朋友推荐SPSSAU”，“我有需要会再来使用SPSSAU”，此两个题是“忠诚度”的体现。但现在需要“忠诚度”这个整体，而不是具体两个标题，
具体操作如下图：
- 多重共线性问题？
VIF值用于检测共线性问题,一般VIF值小于10即说明没有共线性(严格的标准是5)，有时候会以容差值作为标准,容差值=1/VIF，所以容差值大于0.1则说明没有共线性(严格是大于0.2)，VIF和容差值有逻辑对应关系,因此二选一即可,一般描述VIF值。
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。
- 控制变量如何放置？
控制变量指可能干扰模型的项，比如年龄，学历等基础信息。从软件角度来看，并没有“控制变量”这样的名词。“控制变量”就是自变量，所以直接放入“自变量X”框中即可。
- 线性回归有效样本量不足，需要多少样本量？
有效样本不足是指分析时,可以进行分析的样本量低于方法需要的样本量。解决方法是加大样本量。一般来说，至少要求样本量起码是变量数的5-10倍，结果更具备参考意义。
- 回归结果看标准化还是非标准化？
标准化回归系数是消除了量纲影响后的回归系数，可以用来比较各个自变量的“重要性大小”。如果目的在于预测模型，一般使用非标准化回归系数。
五、总结线性回归分析步骤总结如下：
第一步:首先对模型情况进行分析包括模型拟合情况(比如R 为0.3,则说明所有X可以解释Y 30%的变化原因),模型共线性问题(VIF值小于5则说明无多重共线性),是否通过F 检验(F 检验用于判定是否X中至少有一个对Y产生影响,如果呈现出显著性,则说明所有X中至少一个会对Y产生影响关系)。
第二步:分析X的显著性如果显著(p 值判断),则说明具有影响关系,反之无影响关系。第三步:判断X对Y的影响关系方向回归系数B值大于0说明正向影响,反之负向影响。
第四步:其它比如对比影响程度大小(回归系数B值大小对比X对Y的影响程度大小)。
