Une régression multiple est une méthode statistique où deux ou plusieurs variables « indépendantes » ou « prédictives » sont utilisés pour prédire les scores sur une variable «dépendante» ou «critère» . Dans IBM SPSS , vous pouvez entrer cinq variables indépendantes dans l'équation de régression dans le même temps , soit comme une analyse distincte ou comme une étape dans une analyse plus complexe . La méthode de régression utilisée dépend de combien d'autres variables , il ya à analyser. Instructions
1

charge jusqu'à SPSS . Dans la fenêtre d'accueil , sélectionnez "Ouvrir une source de données existante », puis cliquez sur " Plus de fichiers." Naviguez jusqu'au dossier contenant votre fichier de données , puis double -cliquez dessus. Une fenêtre de sortie s'affiche, confirmant que le fichier a été chargé , et vos données s'affichent dans la vue de données principale .
2

Cliquez sur " Analyser ", " Régression " et " linéaire ".
< Br > Hôtels 3

Localisez votre variable dépendante dans la liste sur la gauche. Cliquez une fois dessus , puis cliquez sur la flèche à côté de la zone de texte «à charge» . Les variables se déplace dans la boîte.
4

déterminer l'ordre que vous souhaitez IBM SPSS pour analyser les variables restantes. Si vous avez seulement cinq variables que vous souhaitez analyser à la fois , sélectionnez-les et cliquez sur la flèche à côté de la "Independent (s) . " Si vous avez d'autres que vous voulez mettre dans la régression première , faites-les glisser dans le "Independent (s) " boîte , puis cliquez sur" Suivant " et glissez dans vos cinq variables d'intérêt. Si vous souhaitez analyser tout plus de variables après ces cinq, cliquez sur "Suivant" et faites-les glisser dans la boîte maintenant vide .
5

Cliquez sur "OK". Attendez que l' analyse soit terminée, puis faites défiler jusqu'à ce que vous atteignez le " Résumé du modèle " table. Ce tableau donne les principales statistiques de la production de l'analyse. Si vous avez utilisé plus d'un bloc de variables , recherchez les étiquettes en dessous de la table pour voir quelle ligne se réfère à laquelle bloc. Vous trouverez ici les statistiques ajusté R carré " " R "," R Square " et " . Vous êtes également donné "R place le changement», qui vous indique la puissance prédictive supplémentaire fournie par chaque bloc à chaque étape.