还是用上一个数据集，来记录利用spss做线性回归分析的步骤。
前提：数据要求是数值型
提前做好了相关性分析。只有相关的数据才能进行回归分析。如果不相关，回归分析的结果也是不可接受的。
具体操作步骤：
分析---回归---线性---然后选择添加自变量和因变量---统计图--勾选“共线性诊断”--继续---确定，得到输出的结果。
结果如下：
如何查看结果
1.R：相关系数，线性回归模型的相关系数。R的平方叫决系数。R的代表表示了自变量可以有多大程度上解释因变量的变化。如果是1，就表示可以百分百的解释因变量的变化。
如果是0.5，就表示有50%的程度可以解释因变量的变化。
2.结果里面第二个表格是方差分析的表格，需要看F值和显著性。
显著性要<= 0.05,就说明回归分析是显著的，模型是可以接受的，是有效果的。
3.第三个表是 系数表。主要看各系数和自变量之间下 显著性。
如果某个自变量的显著性>0.05，那么就说明这个变量和因变量之间线性相关不显著，需要剔除掉或者调整修改这个变量再进行回归分析。
第三个表还要关注B值，B值可以看到 自变量是 0.437，开盘价的系数是 0.125，最低价的系数是0.883，
那么，我们的线性回归模型是： 收盘价 = 0.437+ 开盘价0.125 + 最低价0.883 ，这就是我们的模型
但是，还有一个最后的，共线性检验。
我们可以看到 开盘价和最低价的共线性检验是197。逆天了这都。统计学上要求，共线性要求<5 ,如果项目要求不是那么严格，共线性<10也是可以接受的。
共线性是说明，开盘价和最低价是高度相关的，相当于一个y = kx+ a 的模型，被拆成了 y = k*(0.3x)+ k*(0.7x) + a ，括号内的0.3x和 0.7x 其实是一个参数。这两个参数其实是一个参数，需要去掉一个再进行回归分析。
