除此三种窗口外，SPSS中还有图形编辑窗口和帮助窗口，分别是用户在结果窗口中编辑统计图形和寻求帮助时打开，详情参见后面内容。
四、应用举例 实验题目：回归分析
实验目的：掌握使用一元线性回归在SPSS中的实现。 实验内容：
1、SPSS中的回归分析工具及其使用方法；
2、回归分析中线性回归分析，以及常用的统计检验方法。
采用最小二乘法，使随机误差（残差）平方和为最小，即 可求得
min?ei2
b?n?xiyi??xiyin?x?(?xi)2i2,a?y?bx
于是回归模型为：y?a?bx 回归模型的检验：
1.回归系数?的显著性检验（t-检验） 假设为：H0:b?0,H1:b?0,
bsb?t?检验统计量为sb,其中
2sy?(x?x)2,s2y?)(y?y??(n?2)2
2.回归方程显著性检验（F-检验）
假设为H0:线性关系不显著，检验统计量为:
F???y)?(y??y)?(y
★研究问题：合成纤维的强度与其拉伸倍数有关，测得试验数据如表4-1所示。求合成纤维强度与拉伸倍数之间是否存在显著性线性相关关系。
表4-1强度与拉伸倍数的试验数据 强度序号 1 拉伸倍数 （kg/mm) 2 1.6 1(n?2)2 3 4 5 6 7 8 9 10 11 12 2.5 2.7 3.5 4 4.5 5.2 6.3 7.1 8 9 10 2.4 2.5 2.7 3.5 4.2 5 6.4 6.5 7.3 8 8.1 ★实验步骤： 『步骤1』在菜单中选择Regression==>liner，系统弹出线性回归对话框如下：
图4－1 Linear Regression对话框
『步骤2』单击Statistics按钮将打开Linear Regression: Statistics对话框，用来选择输出那些统计量。如图4－2所示。
图4－2 Linear Regression: Statistics对话框
『步骤3』单击所示Linear Regression对话框中的Plots按钮，将打开如图4－3所示Linear Regression：Plot对话框。该对话框用来设置对残差序列作图形分析，从而检验残差序列的正态性、随机性和是否存在异方差现象。
图4－3 Linear Regression:Plot对话框
『步骤4』单击如图4－1所示Linear Regression对话框中的Save按钮，将打开如图4－4所示Linear Regression：Save对话框。该对话框用来设置将回归分析的结果保存到SPSS数据编辑窗口的变量中，还是某个SPSS的数据文件中。
图4－4 Linear Regression:Save对话框
『步骤5』单击如图4－1所示Linear Regression对话框中的options命令，将打开如图4－5所示的对话框。在该对话框中可以对多元线性回归分析中与自变量的筛选有关的参数进行设定，同时也可设置缺省值采用不同的处理方法。
图4－5 Linear Regression:Options对话框
结果和讨论：
输出结果文件中的第一个表格。
Variables Entered/Removed(b) Variables Variables Model (Entered) (Removed) 1 x(a) . Method Enter
a All requested variables entered. b Dependent Variable:y
该表格输出的是被引入或从回归方程中被踢除的各变量。该部分结果
说明对编号为1的模型进行线性回归分析时所采用的方法是全部引入法：Enter
输出结果文件中的第二个表格。
Model Summary
Std. Error R Model 1 R Adjusted of the Square R Square Estimate .969 .4118 .986(a) .972 a Predictors: (Constant),x 该表格输出的是常用统计量。
2从这部分结果看出相关系数R?0.986,判定系数R?0.972，调整的判定
2系数R?0.969,回归估计的标准误差W?0.4118。说明样本回归方程的代表性强。
(3)输出结果文件中的第三个表格
ANOVA(b) Sum of Model 1 Regression Residual Total Squares 58.894 1.696 60.590 Mean df Square 1 10 11 F Sig. 58.894 347.273 .000(a) .170 a Predictors: (Constant),x b Dependent Variable:y 第三个表格是方差分析表。
从这部分结果看出：统计量F?347.273；伴随概率P?0.001。说明自变量x与因变量y之间的确有线性回归关系。此外，Sum of Squares 一栏中分别代表回归平方和（58.894）、残差平方和（1.696）以及总平方和（60.590），Df为自由度。
输出的结果文件中第四个表格如下：
efficients(a)
Unstandardized Standardized Model Coefficients Coefficients Std. B 1 (Constant) .166 x .867 Error .278 .047 .986 Beta .595 .565 18.635 .000 t Sig. a Dependent Variable:y 第四个表格是回归系数分析。其中，Unstandardized Coefficients 为非标准化系数，Standardized Coefficients为标准化系数，I为回归系数检验统计量，Sig为伴随概率值。
结论：从表格中可以看出估计值及其检验结果，常数项?0?0.166，回归系数?1?0.867，回归系数统计量t?18.635，相伴概率值P?0.001。说明回归系数与0有显著差别，该回归方程有意义：
★练习题：
合金钢的强度与钢材中碳的含量有密切关系，为了冶炼出符合要求强度的钢，常常通过控制钢水中的碳含量来达到目的，因此需要了解与之间的关系，下面是10组不同的碳含量（％）对应的强度（kg/m）数据。 xy??0.03 0.04 0.05 0.07 0.09 0.1 0.12 0.15 0.17 0.2 40.5 39.5 41 41.5 43 42 45 47.5 53 56