SPSS回归分析_哑变量

案例数据

300 行 × 5 列，4 个定量自变量 + 1 个定量因变量（绩效得分），刻意让其中一个自变量非显著，便于演示"显著 vs 非显著"对照解读。

下载案例数据 查看数据文件

文件名	linear_reg.xlsx
样本量	300 行
变量数	5 列（4 自变量 + 1 因变量）
数据用途	员工绩效影响因素建模：工作年限 / 培训时长 / 加班 / 团队规模 → 绩效得分
变量说明	因变量：绩效得分（0-100 分）；自变量：工作年限、培训时长、每月加班小时、团队规模（均为定量）。

完整案例

1. 背景

某 HR 部门要建立"员工绩效得分"的影响因素模型，候选变量有 4 个：工作年限、年度培训时长、每月加班小时、所在团队规模。研究目标：①整体上 4 个变量能解释多少绩效变化（R²）？②哪些变量显著影响绩效、影响方向是什么？③哪些变量"看上去相关但实际不显著"，需要从模型中剔除？这是线性回归最经典的多变量影响因素分析场景。

2. 理论与公式

线性回归通过最小二乘估计自变量对定量因变量的影响，哑变量用于把分类变量转换为可进入模型的 0/1 变量。

3. 数据结构

每行 1 位员工，4 个自变量 + 1 个因变量全部为定量变量（连续 / 计数）。本案例不涉及哑变量；若自变量中有分类变量（如学历分级），SPSSzero 会自动生成哑变量并以参照组为基准对比，详见下方"哑变量编码"小节。

变量名	角色	单位 / 取值范围
绩效得分	因变量 Y	分（0-100）
工作年限	自变量 X₁	年（0-25）
培训时长	自变量 X₂	小时 / 年
每月加班小时	自变量 X₃	小时 / 月
团队规模	自变量 X₄	人

4. 操作步骤

1. 登录 SPSSzero，进入 工作台 → 上传 linear_reg.xlsx
2. 左侧方法栏 → 通用方法 → 点击 线性回归
3. 把 绩效得分 拖入 因变量 Y 框
4. 把 工作年限 / 培训时长 / 每月加班小时 / 团队规模 4 个变量拖入 自变量 X 框
5. （可选）勾选 保存残差和预测值：把 ŷ 和残差 ε 回写到数据集，便于残差诊断
6. 点击 开始分析

5. 结果表格与结果阅读

结果区会按以下顺序输出：①主结果表（含 B / SE / Beta / t / p / VIF / 容忍度）②模型汇总（R / R² / 调整 R² / RMSE / DW / AIC / BIC）③ANOVA 表 ④系数森林图。下面展示主结果表 + 模型汇总两张紧凑三线表。

变量	B	标准误	β	t	p	VIF
常数	59.379	0.948	—	62.622	0.000***	—
工作年限	1.510	0.061	0.753	24.893	0.000***	1.012
培训时长	0.194	0.015	0.394	12.989	0.000***	1.017
每月加班小时	-0.257	0.035	-0.225	-7.437	0.000***	1.014
团队规模	-0.007	0.034	-0.006	-0.211	0.833	1.016
* p<0.05 ** p<0.01 *** p<0.001；所有 VIF<5，不存在共线性问题

3 项显著（工作年限/培训时长/每月加班）+ 1 项非显著（团队规模）。标准化系数 β 用于跨变量比较：|β| 越大影响越强 → 工作年限（0.753） > 培训时长（0.394） > 每月加班（-0.225）。

指标	数值
R²	0.733（4 个自变量共解释 73.3% 的绩效变异）
调整 R²	0.730
F 检验	F(4, 295) = 202.757, p<0.001（模型整体显著）
RMSE	4.421（模型预测误差约 4.4 分）
D-W	2.074（接近 2，无明显自相关）
AIC / BIC	1748.187 / 1766.706（用于和其他模型对比）

读结果先看 F 检验（模型是否显著）→ 再看 R²（解释能力）→ 再看系数表（各变量贡献）→ 最后 D-W 与 VIF 验证模型假设。

7. 文字分析

从表 1 和表 2 可得出以下结论：

• 模型整体显著：F(4, 295) = 202.76, p<0.001，4 个自变量联合可解释绩效得分 73.3% 的变化（R²=0.733），模型解释力较强；
• 工作年限（B=1.510, β=0.753, p<0.001）正向影响最强 —— 多 1 年工龄绩效平均高 1.51 分；
• 培训时长（B=0.194, β=0.394, p<0.001）正向显著 —— 每多 10 小时培训绩效提升约 1.94 分；
• 每月加班小时（B=-0.257, β=-0.225, p<0.001）负向显著 —— 多 10 小时加班绩效反而下降 2.57 分（提示加班不利于绩效）；
• 团队规模（B=-0.007, p=0.833）未显著 —— 在控制了其他变量后，团队规模对绩效无影响，可考虑从模型中剔除以提高简洁性。

共线性诊断：所有 VIF<1.02，远低于 5 的警戒值，不存在多重共线性；DW=2.074 ≈ 2，残差无自相关。模型假设满足，结论可信。

回归方程：
绩效得分 = 59.379 + 1.510 × 工作年限 + 0.194 × 培训时长 − 0.257 × 每月加班小时 − 0.007 × 团队规模

8. 剖析提醒

如果 X 是分类变量，应先转换为哑变量，并在解释时说明参照组；不要把类别编码直接当作连续变量解释。

方法定位

线性回归用于研究一个或多个自变量对定量因变量的影响关系。它常用于回答“哪些因素会影响结果变量”“影响方向是正向还是负向”“模型能够解释多少因变量变化”。

回归分析需要明确因变量 月薪、自变量 X 和控制变量。相关分析只能说明变量之间共同变化，回归分析则进一步建立预测或解释模型。

数据与变量准备

线性回归的因变量应为定量变量，自变量可以是定量变量，也可以是经过哑变量处理后的分类变量。控制变量用于减少混杂因素影响。

变量角色	要求	示例
因变量 月薪	定量变量，通常只放一个	满意度、收入、绩效
自变量 X	核心解释变量	服务质量、价格感知
控制变量	需要纳入但非核心解释的变量	年龄、学历、地区
哑变量	分类变量转换后的 0/1 变量	女性=1，男性=0

若分类变量有 k 个类别，一般设置 k-1 个哑变量，并保留一个类别作为参照组。

SPSSzero 操作建议

选择线性回归，将因变量放入 月薪，将核心自变量放入 X，将需要控制的变量放入控制变量。若需要保存残差或预测值，可在参数区勾选相应选项。

如果分类变量需要进入模型，建议先在数据处理中生成哑变量，再放入回归模型。不要直接把“1、2、3”这样的类别编码当成连续数值解释。

结果解读

输出内容	解读重点
模型摘要	R 方和调整 R 方，表示解释度
F 检验	判断模型整体是否显著
系数表	判断各变量影响方向和显著性
标准化系数	比较不同自变量影响强弱
VIF	判断多重共线性
残差诊断	判断模型假设是否明显违背

系数 B 大于 0 表示正向影响，小于 0 表示负向影响。p 值显著表示在控制其他变量后，该自变量与因变量存在显著线性关系。

哑变量解释

哑变量的系数表示相对于参照组的差异。例如以男性为参照组，女性哑变量的系数为 0.35，表示在控制其他变量后，女性组因变量均值比男性组高 0.35 个单位。

解释哑变量时必须说明参照组，否则系数方向没有明确含义。

写作模板

可写为：“以 xx 为因变量，xx 为核心自变量，并控制 xx 等变量建立线性回归模型。结果显示，模型整体通过 F 检验，调整 R 方为 xx。核心自变量的回归系数为 xx，p 值为 xx，说明其对因变量具有显著正向或负向影响。”

若包含哑变量，可补充：“以 xx 类别为参照组，yy 类别哑变量系数为 xx，说明该类别相较参照组在因变量上更高或更低。”

常见问题

有相关关系但回归不显著怎么办

相关分析是两两关系，回归分析是在同时控制其他变量后的关系。若加入多个自变量后不显著，可能与共线性、控制变量、样本量或理论设定有关。

R 方多少才算好

R 方没有统一标准，应结合学科、数据类型和研究目的解释。社会科学中较低 R 方也可能有理论意义。

VIF 值过高怎么办

说明自变量之间可能存在多重共线性。可检查变量定义、删除高度重复变量、合成维度，或使用岭回归等方法。

是否需要先做相关分析

相关分析有助于初步了解变量关系和共线性风险，但不能替代回归模型。正式结论应以回归结果为准。

残差和预测值有什么用

残差可用于检查异常值、异方差和正态性；预测值可用于后续诊断或业务预测。只有后续需要诊断或建模时才建议保存。

与相近方法区分

研究目标	推荐方法
两个变量关系强弱	相关分析
定量因变量影响因素	线性回归
二分类因变量影响因素	二元 Logit 或 Probit
处理多重共线性	岭回归、Lasso 或变量筛选