员工绩效得分影响因素的逐步回归：变量筛选与模型优化.docxVIP

员工绩效得分影响因素的逐步回归分析

1案例背景

本案例数据来源于280份员工问卷调查，以绩效得分为因变量，候选自变量包括培训时长、工作投入、离职倾向和通勤时间。分析过程使用SPSSAU在线数据分析平台完成逐步回归分析。逐步回归是一种变量筛选方法，通过逐步引入或剔除自变量，从候选变量集合中筛选出对因变量具有显著解释力的最优变量子集。本研究采用逐步法（Stepwise），在每一步中根据F检验的显著性水平决定变量的引入或剔除，直至模型中不再有变量被引入或剔除为止。逐步回归能够有效处理多重共线性问题并简化模型，同时保留对因变量贡献最大的自变量。

2分析结果

在SPSSAU【进阶方法】模块选择【逐步回归】，将变量拖拽至右侧对应分析框，选择变量进入方式为“逐步法”，操作如下图：

表1逐步回归分析结果

表1报告了逐步回归最终模型的分析结果。模型R2=0.875，调整R2=0.873，F(4,275)=480.097（p0.001），四个自变量合计解释了绩效得分87.5%的方差，拟合优度优良。D-W值=1.958，接近2，残差不存在显著的一阶自相关。

培训时长的回归系数B=1.644（SE=0.048，t=34.599，p0.001），标准化系数β=0.740，是所有变量中影响最大的因素，表明培训时长每增加一个单位，绩效得分提升1.644个单位。VIF=1.004，远低于10的阈值，不