进入多重回归方法

在本节中，我们将学习回归方法。 如果我们要执行多重回归分析，我们将进入分析菜单，然后找到回归。 在回归中，我们找到线性回归，如下所示

点击线性回归后，我们会看到一个这样的对话框

这与我们之前使用的对话框相同。 我们可以看到一个因变量和一个自变量框以及一个块。 也就是说，在多重回归的情况下，我们只能取一个因变量，并且应该将其作为度量变量。 我们也可以将非度量变量作为因变量。 例如，可以将就业类别作为因变量，但在这种情况下，我们错误地指定了我们的模型。 因此，我们不应该取任何非度量因变量。 假设我们正在构建一个模型，其中我们根据员工的教育水平、他们的就业类别和他们的起始工资来预测员工的当前工资。 我们也可以考虑之前的经验。 因此，我们将当前工资设为因变量，将教育程度、就业类别、起始工资和之前经验设为自变量。

现在，一旦我们指定了我们的模型，我们必须选择进行回归分析的方法。 如果我们单击方法，我们将看到列出了五种方法，它们是输入方法、逐步方法、删除方法、后退和前进方法。

我们将逐一了解所有这些方法。 默认情况下，用于进行回归分析的方法是输入方法。 现在，输入方法非常流行，并且是多重回归分析的推荐方法，因为它是一种强制性的输入方法。 也就是说，如果我们正在构建一个模型，其中我们选择了四个自变量和一个因变量，并且如果我们选择输入方法，则意味着所有自变量将在我们的模型中获得同等重要性。 该模型没有假定这些变量中的一个比其他变量更重要，这通常发生在理论构建的情况下。 回归是构建理论的绝佳工具，在这种情况下，我们必须基于其他变量来预测某些变量。 因此，如果我们正在构建一个理论，其中我们必须选择一个适当的回归方法，我建议您选择输入方法。 因此，如果我们选择输入方法并将所有选项保留为默认值并按确定，我们将得到以下输出

第一个表是模型中的已输入或已删除的变量。 在已输入的变量框中，我们有所有自变量。 我们的因变量是当前工资。 而在已删除的变量框中，我们看不到任何其他变量。 因此，输入方法通常用于进行理论检验，并且所有变量都被赋予了同等的重要性。 我们对变量的相对重要性不做任何假设。 稍后，相对重要性将根据其β 权重来决定，这些权重位于系数表中，如下所示