回归分析spss步骤如下
第一步首先打开spss软件，输入数据点分析再点回归再点线性。
第二步，选进预先设定的自变量和因变量进入对应的窗口(如图所示)。
第三步，点击统计量再点击共线性诊断和DW统计量(如图所示)。
第四步，点击绘制点选项目(如图所示)。
第五步，点确定就可以在输出截面看到结果了。
回归分析是解析注目变量和因于变量并明确两者关系的统计方法，此时我们把因子变量称为说明变量，把注目变量称为目标变量址被说明变量，回归分析是对具有因果关系的影响因素自变量和预测对象因变量所进行的数理统计分析处理，回归分析regressionanalysis是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
回归分析步骤
对回归结果进行说明，其中包括模型效果以及模型结果两大部分。具体如下：
另外，模型中包括性别、年龄控制变量，控制变量指可能干扰模型的项，比如年龄，学历等基础信息。从软件角度来看，并没有“控制变量”这样的名词。“控制变量”就是自变量，所以直接放入“自变量X”框中就好。 另外，控制变量一般是定类数据，理论上控制变量需要作“虚拟(哑)变量”设置，但实际研究中很少这样做而是直接放入模型中，可能原因是“控制变量”并非核心研究项，所以不用考虑太过复杂。
1.模型效果
（1）F检验
从上表可以看出，离差平方和为940619.24，残差平方和为266091.99，而回归平方和为674527.26。回归方程的显著性检验中，统计量F=318.56，对应的p值小于0.05，被解释变量的线性关系是显著的，可以建立模型。建立模型后，需要查看模型拟合优度是否可以，其中就可以查看R方与调整R方值。
（2）拟合优度
从上表可知，将社会资源, 教育水平, 科技发展作为自变量，而将创业可能性作为因变量进行线性回归分析，从上表可以看出，模型R方值为0.72，调整R方为0.71，其中R方是决定系数，模型拟合指标。反应Y的波动有多少比例能被X的波动描述。调整R方也是模型拟合指标。当x个数较多是调整R²比R²更为准确。意味着初始工资、受教育年限以及工作经验可以解释目前工资的72%变化原因。可见，模型拟合优度良好，说明被解释变量可以被模型解释大部分。接下来查看变量是否具有多重共线性。
（3）多重共线性
VIF值用于检测共线性问题,一般VIF值小于10即说明没有共线性(严格的标准是5)，上表格可以看出VIF值均小于5所以不存在多重共线性。
2.模型结果
回归的中间过程包括F检验、拟合优度、多重共线性，这些都是在分析前需要进行观测与分析的，接下来将从模型公式、分析结果、影响关系大小进行对模型结果的阐述。
（1）模型公式
从上表可知，将受教育年限,初始工资,工作经验作为自变量，而将目前工资作为因变量进行线性回归分析从上表可以看出，模型公式为目前工资=-0.189 + 3.531*受教育年限 + 1.846*初始工资-11.866*工作经验（观测非标准化系数）。
（2）分析结果
从结果可以看出受教育年限,初始工资,工作经验三个分析项的p值均小于0.05，从而说明受教育年限,初始工资,工作经验对目前工资均有影响关系。
（3）影响关系大小
如果说自变量X已经对因变量Y产生显著影响(P< 0.05)，还想对比影响大小，建议可使用标准化系数值的大小对比影响大小，Beta值大于0时正向影响，该值越大说明影响越大。Beta值小于0时负向影响，该值越小说明影响越大。上图所示，回归方程的常数项约为-0.19，受教育年限、初始工资以及工作经验的标准化系数分别为3.53、1.85以及-11.87。可以看出模型中工作经验对目前工作影响较大。