原始报告在这里：

回归



附注
创建的输出        24-4月-2013 21时55分02秒
注释         
输入        活动的数据集        数据集1
        过滤器        <none>
        权重        <none>
        拆分文件        <none>
        工作数据文件中的 N 行        41
缺失值处理        对缺失的定义        用户定义的缺失值作为缺失数据对待。
        使用的案例        统计是在所使用的变量不带有缺失值的案例基础上进行的。
语法        REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN
  /DEPENDENT 主营业务利润增长率
  /METHOD=ENTER @2012年度研发费用（元） 研发投入金额占营业收入的比例（） 工程技术人员占全部职工人数的比例（）.

资源        处理器时间        00 00:00:00.015
        已用时间        00 00:00:00.049
        所需内存        2028 个字节
        残差图需要额外内存        0 个字节


[数据集1]



输入／移去的变量b
模型        输入的变量        移去的变量        方法
1        工程技术人员占全部职工人数的比例（%）, 2012年度研发费用（元）, 研发投入金额占营业收入的比例（%）        .        输入
a. 已输入所有请求的变量。
b. 因变量: 主营业务利润增长率

以上列出了方程中包含的自变量和因变量，同时显示了数据进入的方法为“输入”。

模型汇总
模型        R        R 方        调整 R 方        标准 估计的误差
1        .880a        .774        .755        52.80660
a. 预测变量: (常量), 工程技术人员占全部职工人数的比例（%）, 2012年度研发费用（元）, 研发投入金额占营业收入的比例（%）。

以上列出了模型的R、R2、调整R2以及估计标准误差。R2值越大，所反映的自变量与因变量的共变比率越高，模型与数据的拟合程度越好。

Anovab
模型        平方和        df        均方        F        Sig.
1        回归        343569.629        3        114523.210        41.069        .000a
        残差        100387.333        36        2788.537               
        总计        443956.961        39                       
a. 预测变量: (常量), 工程技术人员占全部职工人数的比例（%）, 2012年度研发费用（元）, 研发投入金额占营业收入的比例（%）。
b. 因变量: 主营业务利润增长率

以上列出了变异源、自由度、均方、F值以及对F的显著性检验。本例中，回归平方和为343569.629，残差平方和为100387.333，总平方和为443956.961，Sig.=0.000＜0.05，可以认为所建立的回归方程有效。
系数a
模型        非标准化系数        标准系数        t        Sig.
        B        标准 误差        试用版               
1        (常量)        -40.247        14.374                -2.800        .008
        2012年度研发费用（元）        -3.840E-7        .000        -.139        -1.707        .097
        研发投入金额占营业收入的比例（%）        8.607        .814        .886        10.569        .000
        工程技术人员占全部职工人数的比例（%）        .119        .347        .029        .345        .732
a. 因变量: 主营业务利润增长率

以上列出了常数d、回归系数的值以及标准化的值，同时进行了显著性检验。本例中因变量Y对三个自变量X1、X2、X3的回归的非标准化回归系数分别为-3.84E-7、8.607和0.119；对应的显著性检验的t值分变为-1.707、10.569和-345，三个回归系数B的显著水平只有变量X2的Sig.=0.000小于0.05，这样只能说明，只有自变量X2对因变量Y有显著影响。
对以上结果，笔者感到并不满意，在深入分析原因、查阅其他资料之后，笔者将自变量采用的是“stepwise”的进入方式，得到的结果如下：
已排除的变量b
模型        Beta In        t        Sig.        偏相关        共线性统计量
                                        容差
1        2012年度研发费用（元）        -.135a        -1.695        .099        -.268        .966
        工程技术人员占全部职工人数的比例（%）        .008a        .098        .923        .016        .910
a. 模型中的预测变量: (常量), 研发投入金额占营业收入的比例（%）。
b. 因变量: 主营业务利润增长率

可以看到，自变量X1和X3都被排除，只有自变量X2对因变量Y有显著影响。本例回归分析得到的回归方程为：Y=-44.299+8.441X2.

你的意思就是刚开始最上面的表格，那个应该是你所有的模型的汇总表

对啊 能帮我做一下么？我实在是不会看了
学了三天SPSS就做的回归分析。。。。

可以，你数据发给我，我帮你看看

留个邮箱给我？还是发去哪里哦？