SPSS教程：回归分析的实践操作
一、线性回归分析——BREEZE
在SPSS中，进行线性回归分析的步骤如下：
步骤一：在菜单栏中，找到并点击“分析”→“回归”→“线性”，打开“线性回归”对话框。
步骤二：将“财政收入”变量拖入因变量框，将“国内生产总值”变量拖入自变量框。
步骤三：进入“统计”对话框，勾选“估计”和“模型拟合度”选项。
步骤四：在“图”对话框中，设置DEPENDENT为y轴，ZPRED为x轴进行作图，同时勾选“直方图”和“正态概率图”选项，然后点击“继续”→“确定”。
操作完成后，输出窗口将展示相关信息。
由模型摘要表可见，R值为0.989，表明自变量与因变量之间存在强烈的相关性。
通过ANOVA（方差分析）表，我们可以看到F统计量的观测值为592.25，显著性概率为0.000，即拒绝原假设。这说明因变量和自变量的线非常显著，可以建立线性模型。
系数表显示，回归模型的常数项为-4993.281，自变量“国内生产总值”的回归系数为0.197。回归方程为：财政收入=-4993.281 + 0.197 × 国内生产总值。回归系数的显著性水平为0.000，远小于0.05，说明建立的线性模型是恰当的。
二、非线性回归分析——SUNSHINE
进行非线性回归分析的步骤如下：
步骤一：在菜单栏中，找到并点击“分析”→“回归”→“非线性”，打开“非线性回归”对话框。
步骤二：将“营业收入”拖入因变量框，并在模型表达式中输入相应的表达式。
步骤三：进入“参数”对话框，添加相应的参数值，点击“确定”。
完成上述操作后，输出窗口将展示迭代历史记录表和显著性检验结果表等信息。
根据迭代历史记录表可知，经过4次迭代后，模型达到收敛标准，找到了最佳解。预测回归模型为：y = 86.531+1.089×1-0.667×2+0.724x1x2。
由显著性检验结果表可知，决定系数R²为0.941，表明模型拟合结果较好。
参考资料：相关统计软件使用指南、各类学术文献
