如何在spss上做層次迴歸分析
用SPSS進行迴歸分析，實例操作如下： 單擊主菜單Analyze / Regression / Linear…，進入設置對話框如圖7-9所示。從左邊變量表列中把因變量y選入到因變量（Dependent）框中，把自變量x選入到自變量（Independent）框中。在方法即Method一項上請注
SPSS的的友好界面和Excel很相似，有很多可活動的單元格，它所實現的-功能有兩種方式，操作指令或編輯代碼程序，如何用數據做一個簡單的迴歸分析，操作很簡單，讓你在大數據時代能有好的發展，現在和小編一起來學習吧。
方法
【導入數據】在數據視圖窗口編輯入數據，也可從外部如Excel中導入（少量數據建議直接輸入）
分層迴歸分析其實就是迴歸分析，但是逐步加入新的X去研究X對Y的影響，這種就是分層迴歸。一般分層迴歸用於檢驗模型的穩定性，中介或者調節作用等，這個在SPSSAU這個在線SPSS分析軟件裏面直接就可以看見，而且出來的結果全部幫你整理規範好了的。
【編輯數據-對變量進行説明】在變量視圖窗口進行編輯，根據每個變量德 類型，寬度等屬性進行輸入，如圖所示：
分層迴歸就是檢驗加入某些個變量後前後兩次迴歸的結果，通過比較兩次迴歸結果，以判斷該變量是否有效改進善模型。通常是通過比較R方的，R方變大，則模型變得更好，新加入的變量的作用有效果。 模型2的R值和R方明顯大於模型1，説明加入第三個變量
上面兩步做好了就可以開始分析工作啦，在【分析】-【迴歸】【線性L】即可出現下圖（選擇好需要的因變量和自變量），如完後
用SPSS進行歸析實例操作： 單擊主菜單Analyze / Regression / Linear…進入設置框圖7-9所示左邊變量表列變量y選入變量（Dependent）框自變量x選入自變量（Independent）框即Method項請注意保持系統默認選項Enter選擇該項表示要求系統建立歸程所選
選擇右邊的【統計量】-選擇出你需要的統計分析數據，然後點擊繼續--和確定，你便完成了設置的基本步驟。
可使用spssau的分層迴歸，操作簡單兩步出結果。 操作步驟： 1、選擇spssau的分層迴歸。 2、放入分析項，其他指標項均自動生成不用設置。 同時生成標準表格結果及智能文字分析，不會統計學也可以看懂。
【第一頁結果】這是一個基本的輸出結果的界面信息，這些信息會告訴你：模型的彙總及協方差是需要注意查看的。
用SPSS進行迴歸分析，實例操作如下： 單擊主菜單Analyze / Regression / Linear…，進入設置對話框如圖7-9所示。從左邊變量表列中把因變量y選入到因變量（Dependent）框中，把自變量x選入到自變量（Independent）框中。在方法即Method一項上請注
【第二頁結果】在下圖這一個結果中告訴你數據信息的來源和你操作的基本方式，你可以通過對R檢驗和R方檢驗進行調整，以使得得到你想要的結果。
分層迴歸通常用於中介作用或者調節作用研究中。 分析時通常第一層放入基本個人信息題項或控制變量; 第二層放入核心研究項。使用SPSSAU在線spss分析，輸出格式均為標準格式，複製粘貼到word即可使用。
【右圖有】在【圖形】-【圖形畫板模板選擇程序】-選擇你需要的圖形變量，然後選擇圖形樣式，單擊確定即可。
容易，就在迴歸裏面，點擊block 移入一層變量，再點擊下一層 再移入幾個自變量 就可以了 關鍵是要會解讀結果
擴展閲讀，以下內容您可能還感興趣。
用SPSS做層次迴歸分析容易嗎
對初學者不容易的
怎麼在spss上做層次迴歸分析
多元線性迴歸
1.打開數據，依次點擊：analyse--regression，打開多元線性迴歸對話框。
2.將因變量和自變量放入格子的列表裏，上面的是因變量，下面的是自變量，點擊下一層。
3.設置迴歸方法，這裏選擇最簡單的方法：enter，它指的是將所有的變量一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料，連續資料不需要設置虛擬變量。多分類變量需要設置虛擬變量。
5.選項裏面至少選擇95%CI。
點擊ok。
統計專業研究生工作室原創，請勿複雜粘貼
求大神SPSS幫忙看一下，這個分層迴歸分析後的結果是什麼狀況啊！
分層迴歸通常用於中介作用或者調節作用研究中。
分析時通常第一層放入基本個人信息題項或控制變量; 第二層放入核心研究項。使用SPSSAU在線spss分析結果顯示如下：
R²：模型的解釋力度
F 值：用於判斷模型是否有意義，如果對應P值小於0.05説明模型有意義
△R²：模型變化時，R²值的變化情況
△F 值：模型變化時，F值的變化(該值不是直接F值相減)，如果對應P值小於0.05則説明模型變化有意義，具體可通過△R²查看模型解釋力度變化情況，以及查看新增加的自變量的顯著性情況。具體分析可結果智能文字分析，進行解讀。
SPSS中迴歸分析結果解釋，不懂怎麼看
首先來説明各個符號，B也就是beta，代表迴歸係數，標準化的迴歸係數代表自變量也就是預測變量和因變量的相關，為什麼要標準化，因為標準化的時候各個自變量以及因變量的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。T值就是對迴歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.05一般被認為是係數檢驗顯著，顯著的意思就是你的迴歸係數的絕對值顯著大於0，表明自變量可以有效預測因變量的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
迴歸的檢驗首先看anova那個表，也就是F檢驗，那個表代表的是對你進行迴歸的所有自變量的迴歸係數的一個總體檢驗，如果sig<0.05,説明至少有一個自變量能夠有效預測因變量，這個在寫數據分析結果時一般可以不報告
然後看係數表，看標準化的迴歸係數是否顯著，每個自變量都有一個對應的迴歸係數以及顯著性檢驗
最後看模型彙總那個表，R方叫做決定係數，他是自變量可以解釋的變異量佔因變量總變異量的比例，代表迴歸方程對因變量的解釋程度，報告的時候報告調整後的R方，這個值是針對自變量的增多會不斷增強預測力的一個矯正（因為即使沒什麼用的自變量，只要多增幾個，R方也會變大，調整後的R方是對較多自變量的懲罰），R可以不用管，標準化的情況下R也是自變量和因變量的相關
希望對您有用
哪位大神知道SPSS17.0怎麼做調節變量的層次迴歸分析嗎？求具體步驟……十分感謝
自變量回歸，調節變量回歸，相乘項的迴歸
