spss线性回归分析结果解读是什么？
spss线性回归分析解读结果。
一般来说线性回归分析报告包含以下三个方面。
一、模型摘要，摘要告诉我们模型的拟合性如何。
二、方差分析，方差分析的本质是检测r平方是否显著大于零。
三、回归分析，回归系数表格列出了输出模型的偏回归系数估计值，非标准化系数表示各变量的拟合系数。
纳入那些自变量进行回归预测是由研究者根据专业和经验结合统计结果决定。而不是单单根据统计结果决定，当自变量较多需要筛选自变量时，不同的筛选方法，也会得到不同的结果。
spss发展历程
SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生Norman H.Nie、C.Hadlai(Tex) Hull和Dale H.Bent于1968年研究开发成功，同时成立了SPSS公司，并于1975年成立法人组织、在芝加哥组建了SPSS总部。
2009年7月28日，IBM公司宣布将用12亿美元现金收购统计分析软件提供商SPSS公司。如今SPSS的最新版本为25，而且更名为IBM SPSS Statistics。迄今，SPSS公司已有40余年的成长历史。
spss线性回归分析结果解读是什么？
举个例子进行说明。
在“工资影响因素”的调查问卷中，调查了每个人的起始工资、工作经验、受教育年限、受雇月数、职位等级以及当前工资六个方面。目的是建立以当前工资为因变量的回归模型，并得出结论。
模型结果
从上表可知，将起始工资,受教育年限,工作经验,职位等级作为自变量，而将当前工资作为因变量进行线性回归分析，从上表可以看出，模型公式为：当前工资=-41.634 + 0.425*起始工资 + 6.176*受教育年限-0.051*工作经验 + 29.819*职位等级。
上图所示，回归方程的常数项约为-41.63，以及起始工资、受教育年限、工作经验以及职位等级的非标准化系数分别为0.425、6.176、-0.051、29.819。表中4个变量的p值均小于0.05，并且VIF值均正常，因此4个变量可以显示在模型中。
起始工资、受教育年限、工作经验以及职位等级的标准化系数分别为0.163、0.320、-0.096、0.415. 标准化系数一般可用于比较自变量对Y的影响程度。系数值越大说明该变量对Y的影响越大。可以看出模型中职位等级对当前工资影响较大。
总结来看，模型公式为：当前工资=-41.634 + 0.425*起始工资 + 6.176*受教育年限-0.051*工作经验 + 29.819*职位等级（案例数据分析结果仅供参考）。
上图为残差正态分布图（P-P图），由上图可以看出残差的分布符合大致正态分步。说明回归结果就数据而言是较为可靠的。
