回归分析是研究一个因变量对一个或多个自变量数量依赖关系的分析方法。在这里，我主要带大家用SPSS做一下一元线性回归分析。

回归分析过程一般分为以下四个步骤：

（1）理论模型的设定。根据所研究的问题与现有理论，找出变量间的因果关系及相互间的联系。把要研究的变量作为因变量，影响因变量的主要因素作为自变量。

（2）样本数据的搜集与处理。搜索模型中变量的样本数据加工处理，使之适合模型参数的估计。

（3）模型参数的估计。基于所搜集的样本数据，选择适当的方法来估计模型。

（4）模型的检验。得到参数以后，要检验是否符合实际。

在SPSS中利用一元线性回归分析，来分析的是贵州省粮食产量与化肥用量的关系。首先用SPSS打开回归分析.xlxs。

选择分析选项卡，回归，线性。因变量选择粮食产量（万吨），自变量选择自变量化肥用量（吨）。

在统计中如下设置，参考下面，这些是基本的，要是有什么更多的需要，可以勾选其他的。这里就是抛砖引玉，大家可以勾选其他的研究一下。

在图里面，我们两个都勾选上吧。其他的默认就行了

现在来看看这些参数，R=0.976,说明这两个因子是有很强的正相关。在这里面模型摘要里面最重要的R²最重要，R²=0.952，这个拟合程度相当好。

共线性诊断和残差统计

最重要的还是来看系数，大家知道一元回归分析方程是y=ax+b，这里面的a=0.001，b=-13.886。回归方程就是：y=0.001x-13.886。在这里说明一下那个化肥用量单位是万吨，粮食产量的单位是吨，由于单位的不一样，所以这个方程有点和大家想的不一样。

把这个标准化一下，看看这个标准差的正态分布，标准差成一个正态分布，我们是希望它成一个正态分布。

现在我们的时代，环保主义盛行，这个很好，但是我发展的问题要靠发展来解决。我们这个世界是复杂的，化肥和农药对于粮食产量的提高，养活更多的人功不可没。