Question

请教SPSS进行一元线性回归分析的一般步骤

还有，应该对哪些指标进行判断来确定相关性、拟合的好坏等
我这儿有个例子，请结合例子讲解，谢谢！
分析广告费与销售额的关系
(由于字数限制，略去原始数据)

输入／移去的变量(b)
模型 输入的变量 移去的变量 方法
1 广告费a . 输入
a. 已输入所有请求的变量。
b. 因变量: 销售额

模型汇总
模型 R R 方 调整 R 方 标准 估计的误差
1 .786a .618 .570 42.35795
a. 预测变量: (常量), 广告费。

Anova(b)
模型 平方和 df 均方 F Sig.
1 回归 23206.435 1 23206.435 12.934 .007a
残差 14353.565 8 1794.196
总计 37560.000 9
a. 预测变量: (常量), 广告费。
b. 因变量: 销售额

系数(a)
非标准化系数 标准系数
模型 B 标准 误差 试用版 t Sig.
1 (常量) 309.528 43.402 7.132 .000
广告费 4.068 1.131 .786 3.596 .007
a. 因变量: 销售额

相关性
广告费 销售额
广告费 Pearson 相关性 1 .786**
显著性（双侧） .007
N 10 10
销售额 Pearson 相关性 .786** 1
显著性（双侧） .007
N 10 10

Answer 1

一个自变量 一个因变量
如果要进行线性回归，无论是一元还是多元，第一步首先应该先画下散点图，看是否有线性趋势，如果有线性趋势了，再使用线性回归。这个是前提，现在很多人都忽略这一点 直接使用的。
至于判断线性方程 拟合的好坏，看R方和调整的R方就可以了，R方越接近1，说明拟合的效果越好。你这个里面 R方为0.618，调整的R方为0.570，说明这个自变量可以解释因变量57%左右的变异，不能说好，也不能说坏。看具体情况而定
Anova(b)这个表格是检验 回归方程是否显著的，sig的值=0.007 小于0.05，说明回归模型有意义，可以使用。
下面一个标准化回归系数 和非标准化回归系数 则是回归方程自变量的系数，非标准化的系数用来拟合方程使用，标准化的系数是剔除了不同自变量的不同计量单位影响的，用于比较多个自变量的影响大小

Answer 2

一个自变量 一个因变量
如果要进行线性回归，无论是一元还是多元，第一步首先应该先画下散点图，看是否有线性趋势，如果有线性趋势了，再使用线性回归。这个是前提，现在很多人都忽略这一点 直接使用的。
至于判断线性方程 拟合的好坏，看R方和调整的R方就可以了，R方越接近1，说明拟合的效果越好。你这个里面 R方为0.618，调整的R方为0.570，说明这个自变量可以解释因变量57%左右的变异，不能说好，也不能说坏。看具体情况而定
Anova(b)这个表格是检验 回归方程是否显著的，sig的值=0.007 小于0.05，说明回归模型有意义，可以使用。

Answer 3

Anova(b)表中的sig项对应的数值为显著性水平，你的为0.007，通过了99%检验
非标准化系数中的B为系数
你的拟合式为：销售量=309.528+4.068*广告费，通过了99%信度检验