企业官网建设流程全解析

简介：这份PDF面向备考统计类考试、需要掌握多元线性回归实操的读者，以SPSS软件为工具，通过完整操作截图演示从数据输入到结果解释的全流程。资源包内含1个PDF文件，大小约7.91MB，内容以图文截图为主，直观呈现SPSS界面与关键参数设置。截图实例围绕雇员当前工资预测展开，涵盖性别、受教育程度、职务分类、起始工资、受雇月数、过去经验等自变量，逐步展示数据预处理、模型建立、回归系数与t值、p值等结果的读取方式，并说明如何解释各自变量对因变量的影响。目前已有542人学习下载，适合希望用一份可视化案例快速理解多元线性回归分析步骤、对照练习SPSS操作的学习者参考。

1. 从一份雇员薪酬数据说起：多元线性回归在 SPSS 里到底怎么跑

手里这份《多元线性回归实例软件SPSS操作截图.pdf》其实是一份很典型的课堂数据集：雇员编号、性别、生日、受教育程度、职务分类、当前工资、起始工资、受雇月数、过去经验、是否少数民族，一共十来个字段，样本量不大，字段名还带着 id、gender、bdate、educ、jobcat、salary、salbegin、jobtime、prevexp、minority、age 这套 SPSS 经典命名。很多人第一次做多元线性回归，卡的不是公式，而是拿到这样一张表之后不知道从哪一列点起。这份资料的价值就在于它把 SPSS 的操作界面一步步截了下来，从数据录入到模型输出都有痕迹可循。它适合两类人：一类是统计课要交作业、需要照着截图复现结果的学生；另一类是想用 SPSS 快速验证「受教育程度、起始工资、工作年限到底谁在影响当前工资」这类问题的从业者。下面不按截图顺序念，而是按一个能真正跑通的流程拆开讲。

2. 数据准备与变量角色划分：SPSS 里的 salary 因变量怎么定

2.1 先分清因变量和自变量

多元线性回归的核心是找一个因变量（dependent）和一组自变量（independent）。在这份数据里，最自然的因变量是salary（当前工资），自变量候选包括educ（受教育程度，单位年）、salbegin（起始工资）、jobtime（受雇月数）、prevexp（过去经验月数）、age（年龄）、gender（性别）、jobcat（职务分类）、minority（是否少数民族）。

这里有个容易踩的坑：salary和salbegin高度相关，因为起始工资本身就是当前工资的强预测项。如果两个都放进去，回归系数虽然能算，但解释时要小心多重共线性。常见做法是先跑一个包含全部候选变量的模型，再看 VIF 和显著性决定删谁。

2.2 把数据录进 SPSS 的两种方式

第一种是直接在 SPSS 的「变量视图」里定义变量，再切到「数据视图」逐行录入。变量视图里要设好 Name、Type、Width、Decimals、Label、Values、Measure。比如gender的 Values 设成 0=f、1=m，minority设成 0=no、1=yes，Measure 里分类变量选 Nominal，连续变量选 Scale。

第二种是从 Excel 或 CSV 导入，路径是文件 → 打开 → 数据，文件类型选 Excel，勾选「从第一行读取变量名」。导入后务必回变量视图检查 Measure 有没有被自动识别错，SPSS 经常把 0/1 编码的性别识别成 Scale，这会影响后面某些分析。

# 如果数据在 CSV 里，也可以先用 Python 快速看一眼字段和缺失情况 python -c " import pandas as pd df = pd.read_csv('employee.csv') print(df.dtypes) print(df.isnull().sum()) print(df[['salary','educ','salbegin','jobtime','prevexp']].describe()) "

这段代码做三件事：打印字段类型、统计每列缺失值、对连续变量做描述统计。dtypes能看出哪些列被读成了 object（通常是分类变量），isnull().sum()定位缺失，describe()给出均值、标准差、最小最大值，方便判断有没有离谱的异常值，比如工资出现负数或年龄超过 100。

2.3 缺失值和异常值处理

SPSS 里查缺失用分析 → 描述统计 → 频率，勾选「显示缺失值」。如果缺失比例低于 5%，常见做法是整行删除（成列删除）；如果某个变量缺失较多，可以考虑均值替换或回归插补，但要在报告里说明。异常值用箱线图看，图形 → 旧对话框 → 箱图，把 salary 拖进去，超出 1.5 倍四分位距的点会被标出来。注意不要一看到异常值就删，先判断是不是录入错误。

3. 在 SPSS 里建立多元回归模型：从线性回归对话框到系数表

3.1 操作路径与变量摆放

SPSS 的多元线性回归入口是分析 → 回归 → 线性。打开对话框后，把salary放进「因变量」框，把educ、salbegin、jobtime、prevexp、age放进「自变量」框。分类变量gender、jobcat、minority如果直接放进去，SPSS 会当成连续变量处理，这是新手最常犯的错。

正确做法是点「分类」按钮，把gender、jobcat、minority移进「分类协变量」列表，然后选择「指示符」对比，参考类别选「最后一个」。这样 SPSS 会自动生成哑变量，比如 jobcat 有三个水平，就会生成两个哑变量。

3.2 方法选择：进入、逐步、后退

对话框里的「方法」下拉框决定变量怎么进模型：

• 进入（Enter）：所有自变量一次性全部进入，适合理论驱动、你已经确定要放哪些变量。
• 逐步（Stepwise）：按统计显著性逐步加入或剔除，适合探索性分析，但结果不稳定，样本小的时候尤其容易过拟合。
• 后退（Backward）：先全放进去，再逐步剔除不显著的。

这份雇员数据样本不大，我一般先用「进入」跑全模型，看哪些变量显著，再用「后退」验证一遍，两次结果一致的变量才敢下结论。

3.3 勾选统计量和图

点「统计」按钮，至少勾选：估计值、模型拟合度、R 方变化、描述性统计、共线性诊断、Durbin-Watson。共线性诊断会输出 VIF 和容忍度，Durbin-Watson 看残差自相关。点「图」按钮，把ZPRED放 X 轴、ZRESID放 Y 轴，生成残差散点图，用来检查线性假设和方差齐性。

# 用 statsmodels 对照 SPSS 的结果，验证系数是否一致 import pandas as pd import statsmodels.api as sm df = pd.read_csv('employee.csv') X = df[['educ', 'salbegin', 'jobtime', 'prevexp', 'age']] X = sm.add_constant(X) # 加截距项 y = df['salary'] model = sm.OLS(y, X).fit() print(model.summary()) print('VIF:', [sm.stats.outliers_influence.variance_inflation_factor(X.values, i) for i in range(X.shape[1])])

这段代码用 statsmodels 复现 SPSS 的 OLS 结果。add_constant补上截距，model.summary()输出系数、标准误、t 值、p 值、R 方，和 SPSS 的「系数」表一一对应。VIF 那行逐个计算方差膨胀因子，一般 VIF 大于 10 就说明该变量和其他自变量共线性严重，考虑剔除或合并。

3.4 读懂输出表

SPSS 输出里重点看三张表：

1. 模型摘要：看 R 方和调整 R 方。调整 R 方考虑了自变量个数，比 R 方更保守，样本小的时候优先看它。
2. ANOVA：看 F 值和显著性。如果 Sig. 小于 0.05，说明模型整体显著，至少有一个自变量对因变量有解释力。
3. 系数：看每个自变量的 B（非标准化系数）、Beta（标准化系数）、t 值、Sig.、VIF。B 表示自变量每变化一个单位，因变量平均变化多少；Beta 去掉量纲，方便比较哪个变量影响更大。

提示：如果某个分类变量的 Sig. 大于 0.05，不要急着删，先看它的各个哑变量是否有一个显著。分类变量整体检验和单个哑变量检验是两回事。

4. 模型诊断与常见报错：共线性、异方差和哑变量陷阱

4.1 共线性诊断

共线性最直接的信号是 VIF 偏高、容忍度接近 0，同时模型整体 F 显著但单个系数都不显著。在这份数据里，salary和salbegin的相关系数通常很高，如果两个都放进去，VIF 很容易超过 10。处理办法有三种：删掉其中一个、用主成分回归、或者做岭回归。SPSS 本身没有内置岭回归菜单，需要装 R 或 Python 扩展，或者用「语法」调用。

-- 如果数据在数据库里，先算一下自变量之间的相关系数矩阵 SELECT CORR(educ, salbegin) AS r_educ_salbegin, CORR(educ, jobtime) AS r_educ_jobtime, CORR(salbegin, jobtime) AS r_salbegin_jobtime FROM employee;

这段 SQL 用CORR函数算自变量两两相关系数。相关系数绝对值超过 0.8 就要警惕共线性。不同数据库函数名可能不同，MySQL 没有内置 CORR，需要用(AVG(x*y)-AVG(x)*AVG(y))/(STDDEV(x)*STDDEV(y))手动算。

4.2 异方差与残差图

残差散点图如果呈现喇叭形（随着预测值增大，残差散布变大），说明存在异方差。SPSS 里可以在「图」对话框把ZRESID放 Y 轴、ZPRED放 X 轴，看点的分布是否均匀。异方差的后果是标准误被低估，t 值虚高，容易把不显著的变量判成显著。补救办法包括对因变量取对数、用加权最小二乘，或者用稳健标准误。

4.3 哑变量陷阱

分类变量进回归必须转成哑变量，而且不能同时放入全部水平，否则会和截距项完全共线，SPSS 会直接报错或自动删掉一个。比如 jobcat 有三个水平，只能放两个哑变量，第三个作为参考类别。SPSS 的「分类」按钮会自动处理这件事，但如果你手动在数据视图里生成哑变量，就要自己保证不重复。

4.4 常见报错对照

5. 从系数到结论：把 SPSS 输出翻译成业务语言

5.1 标准化系数比较影响力

SPSS 系数表里的 Beta 列是标准化系数，去掉了单位影响。如果salbegin的 Beta 是 0.8，educ的 Beta 是 0.2，说明起始工资对当前工资的影响远大于受教育程度。但要注意，Beta 只在当前模型内可比，换一批变量结果会变。

5.2 写出回归方程

非标准化系数 B 直接用来写方程。假设输出是：常数项 5000，educ 的 B 为 800，salbegin 的 B 为 0.6，jobtime 的 B 为 50，那么方程是：

salary = 5000 + 800*educ + 0.6*salbegin + 50*jobtime

解释时要说「在其他变量不变的情况下，受教育程度每增加一年，当前工资平均增加 800」。这个「其他变量不变」是回归系数解释的关键，漏掉就会变成因果断言。

5.3 用 Python 做预测验证

# 用训练好的模型对新员工做工资预测 import pandas as pd import statsmodels.api as sm df = pd.read_csv('employee.csv') X = sm.add_constant(df[['educ', 'salbegin', 'jobtime']]) y = df['salary'] model = sm.OLS(y, X).fit() new_emp = pd.DataFrame({'const': [1], 'educ': [16], 'salbegin': [20000], 'jobtime': [24]}) pred = model.predict(new_emp) print(f'预测当前工资: {pred.values[0]:.2f}') print(f'95% 预测区间: {model.get_prediction(new_emp).conf_int().values}')

这段代码先拟合模型，再构造一条新员工记录做预测。get_prediction().conf_int()给出置信区间，比单点预测更有参考价值。注意新数据的列顺序和列名必须和训练时一致，否则predict会报错。

5.4 结果汇报的写法

一份合格的回归结果汇报至少包含：样本量、因变量、自变量列表、R 方和调整 R 方、F 检验结果、每个自变量的 B 和 Sig.、共线性诊断结论。如果用了逐步回归，还要说明进入和剔除的标准。SPSS 的「表」可以直接复制到 Word，但建议重新排版，把不显著的变量标注出来。

注意：SPSS 试用版（pdfFactory Pro 创建的那份 PDF 就是试用版输出）在导出时会带水印，正式报告里最好用截图或重新制表，避免水印影响可读性。

6. 进阶技巧：用 SPSS 语法批量跑回归和 Bootstrap 中介

6.1 语法窗口比菜单更快

SPSS 的菜单操作每次都要点一遍，变量多了很累。用「文件 → 新建 → 语法」打开语法窗口，可以直接写：

REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT salary /METHOD=ENTER educ salbegin jobtime prevexp /METHOD=STEPWISE age gender minority.

这段语法先跑「进入」法放四个连续变量，再跑「逐步」法放三个分类变量。/STATISTICS里的COLLIN TOL打开共线性诊断，/CRITERIA设进入和剔除的显著性水平。把这段存成.sps文件，换数据时只改变量名就能复用。

6.2 Bootstrap 中介分析

热搜里常有人问「spss怎么做bootstrap中介分析」。SPSS 本身没有独立的中介菜单，常见做法是装 PROCESS 宏（由 Hayes 开发）。安装后走分析 → 回归 → PROCESS，模型编号选 4（简单中介），把自变量、中介变量、因变量分别放好，勾选「Bootstrap confidence intervals」，样本数设 5000，置信水平 95%。输出里看间接效应的 Bootstrap 置信区间是否包含 0，不包含就说明中介效应显著。

6.3 用 Python 复现 Bootstrap 中介

import numpy as np import pandas as pd import statsmodels.api as sm df = pd.read_csv('employee.csv') n_boot = 5000 indirect_effects = [] for _ in range(n_boot): sample = df.sample(n=len(df), replace=True) # 路径 a：自变量 -> 中介变量 a = sm.OLS(sample['salbegin'], sm.add_constant(sample[['educ']])).fit().params['educ'] # 路径 b 和 c'：自变量 + 中介变量 -> 因变量 m = sm.OLS(sample['salary'], sm.add_constant(sample[['educ', 'salbegin']])).fit() b = m.params['salbegin'] indirect_effects.append(a * b) ci_low, ci_high = np.percentile(indirect_effects, [2.5, 97.5]) print(f'间接效应均值: {np.mean(indirect_effects):.2f}') print(f'95% Bootstrap 置信区间: [{ci_low:.2f}, {ci_high:.2f}]')

这段代码手动实现 Bootstrap 中介检验。每次有放回抽样，先算 educ 对 salbegin 的系数 a，再算控制 educ 后 salbegin 对 salary 的系数 b，乘积 a*b 就是间接效应。重复 5000 次后取 2.5% 和 97.5% 分位数，区间不含 0 即中介显著。和 PROCESS 宏的结果应该接近，差异来自随机种子和抽样次数。

6.4 批量跑多个因变量

如果要对 salary、salbegin 分别建模型，可以用 SPSS 的SPLIT FILE或者 Python 循环：

targets = ['salary', 'salbegin'] for target in targets: X = sm.add_constant(df[['educ', 'jobtime', 'prevexp']]) model = sm.OLS(df[target], X).fit() print(f'--- 因变量: {target} ---') print(f'调整 R 方: {model.rsquared_adj:.3f}') print(model.params.round(2))

循环里每次换因变量，自变量保持不变，输出调整 R 方和系数。这样能在几秒内比较不同因变量的模型表现，比在 SPSS 里反复点菜单快得多。注意每次都要重新add_constant，因为 X 会被 statsmodels 内部修改。

本文还有配套的精品资源，点击获取