谢谢您的回答！解释的非常详细，我想先按照你说的步骤和书中的要求做一下研究，然后遇到问题再贴图请教！再次表示感谢！

谢谢两位高手的热心回答，通过今天的实操又发现了几个问题，想继续请教：

我打算用主成分回归建立“电视剧播放量影响因素”模型，以下是我的实证步骤，麻烦帮看下是否正确，缺少哪些应有的步骤？

1.对虚拟变量进行频数统计，以算出各变量在总样本中的占比。

2.对连续变量进行描述统计，检查是否有极端值和缺失值。并进行缺失值替换，采用均值法。

3.检验自变量和因变量之间的相关性。
问题：发现3个自变量与因变量相关性不显著，在后续的模型中要剔除这3个变量吗？如果不剔除要怎么解决？如图一，表格最后一排是因变量与自变量之间的相关性。


4.检验自变量和因变量之间的线性关系，采用线性回归。
问题：
回归模型的R方和显著性都不错。
但有5个自变量的sig值大于0.05，说明线性关系不显著？需要剔除吗？有没有什么解决办法？


5.对自变量进行主成分分析，得出三个主成分。
其中KMO检验和球形检验值都不错。



6.因子旋转，优化主成分。


7.第二次因子旋转，固定为4个因子，继续优化主成分。解释度从64.7提升至72.6.



8.对主成分进行回归。
问题：得出模型的R方却比之前直接用自变量线性回归的模型R方要低。从0.9下降至0.68.
并且其中一个主成分的显著度大于0.05.


以上是我能想到的全部步骤？是否缺少了应有的步骤？
另外怎样对因变量和自变量进行单独的检验？
直方图如何看因变量是否符合正态分布？要看那个指标？
自变量和因变量之间是否需要散点图？不符合线性关系的变量除了剔除有无其他办法使其符合线性？
最终的模型如何检验？

先想到这些问题，希望得到大神们的帮助和解答！！
小弟感激不尽！谢谢！

盼回复！！！

    1、因子分析之后的拟合程度下降是正常的，因为你因子分析累计方差贡献率只有60%多，等于将近40%的信息被剔除了，所以拟合程度会下降，其实你的因子分析虽然KMO和球形度检验很好，但只能说明你模型不错，其中指标还是需要调整的，比如集数和豆瓣评分提取度都在0.1左右，太低了，一般在0.6以上才可以，和累计方差贡献率过低（一般80%以上），还有你的指标过度集中在第一元件，说明这几个指标说的都是差不多的东西，可以试着调整或删除指标。
    2、至于回归分析其实一部分不显著也是正常的，只要你能自圆其说，不必要所有变量都显著。
    3、正态性检验我知道两种，一种是更为准确的正态性检验，spss步骤是：分析——描述统计——探索——放入因变量列表——“绘图”点中带检验的正态图——确定。另一种是绘图看直方图画出正态曲线大概估计。
    4、如果变量不符合正态分布，或者无线性关系只能考虑用其他模型了。例如因变量是虚拟变量的Tobit模型，因变量是正数的泊松或负二项模型等等，这方面我了解也有限。
    本人小硕一枚，以上纯属自己论文经验，欢迎大神更正。

这个回归适合直接做逐步线性分析吗？我发现线性模型的拟合度0.9。

另外，想请教一下，自变量是虚拟变量，可以直接加入SPSS进行逐步线性回归吗？

我对逐步回归平时不怎么用。一般都直接回归，虚拟变量应该不影响。

关于该主成分回归分析我有个疑惑，楼主前文提到自变量有20个分类变量，及10个连续变量，分类变量多是二分类还是多分类？生成了多少个哑变量？为什么后来主成分分析只提到了12个自变量？这么多的变量直接进入模型难免会存在共线性（可依据VIF和D-W值进行判定，也可根据初次回归分析时有些自变量与因变量的相关系数检验不显著，但在回归方程中该变量是显著的，加以判断原模型是存在多重共线性），建议使用多重线性回归的逐步回归法建模