逐步回归分析结果解读：自动变量筛选与最优模型选择.docxVIP

逐步回归分析结果解读

一、方法概述

逐步回归分析（StepwiseRegression）是一种通过算法自动筛选变量的回归建模方法。其核心原理是在每一步迭代中，根据偏F检验或AIC/BIC等信息准则，依次将显著性最高的自变量引入模型，同时将已引入但不再显著的变量剔除，直至没有变量可进可出为止。该方法适用于自变量数目较多、研究者希望在保证解释力的前提下精简模型的情境，在心理学、教育学、管理学等领域中被广泛用于探索性建模与变量筛选。借助SPSSAU软件，研究者可以便捷地完成逐步回归的全部计算流程并获得规范化的输出结果。

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，选择变量进入方法，设置定类变量后SPSSAU自动进行哑变量处理，操作如下图：

二、样本缺失情况

表1报告了本次分析的有效样本情况。全部280条观测均纳入建模过程，无任何样本因缺失值而被剔除。这意味着参数估计不会因样本选择而引入额外偏误，后续回归系数与模型拟合指标均建立在完整样本基础之上。

三、逐步回归迭代过程

因变量=y；迭代方式=逐步法

表2详细记录了逐步回归的变量进入过程。第1步仅x1进入模型，其非标准化系数为2.041（t=19.155，p0.001），说明x1对因变量y具有最强的独立解释力。第2步x2被引入，系数为1.206（t=14.209，p0.001），在控制x1之后仍能提