线性回归分析是一种研究影响关系的方法，在实际研究里非常常见。当自变量为1个时，是一元线性回归，又称作简单线性回归；自变量为2个及以上时，称为多元线性回归。
工具/原料
SPSSAU
原始数据
方法/步骤
1、回归分析实质上就是研究一个或多个自变量X对一个因变量Y（定量数据)的影响关系情况。
2、数据类型：线性回归要求因变量Y（被解释变量）一定是定量数据。如果因变量Y为定类数据，可以用【进阶方法】中的【logit回归】。
3、变量筛选：对于引入喋碾翡疼模型的自变量，通常没有个数要求。但从经验上看，不要一次性放入太多自变量。如果同时自懈吡赜痖变量太多，容易引起共线性问题。建议根据专业知识进行选择，同时样本量不能过少，通常要满足样本个数是自变量的20倍以上。
4、正态性检验：理论上回归分析的因变量要求需服从正态分布，SPSSAU提供多种检验正态性的方法。
5、散点图、相关分析：一般来说，回归分析之前需要做相关分析，原因在于相关分析逐吴哉姆可以先了解是否有关系，回归分析是研究有没有影响关系，有相关关系但并不一定有回归影响关系。酷搭宀玳当然回归分析之前也可以使用散点图查看数据关系。
6、操作步骤：选择【通用方法】--【线性回归】。将性别、年龄、月砗玑乐碾收入水平、产品、促销、渠道、价格、个性化服务、隐私保护共九个变量作为自变量，而将购买意愿作为因变量进行线性回归分析。
7、结果解读：本例中得到的分析结果为：产品、促销、个性化服务、保护隐私四个变量对购买意愿有正向影响关系。
8、分析时可按照系统给出的“分析建议”步骤进行分析。
