下面是SPSS线性回归分析结果的解读方法：

1.模型拟合程度：SPSS线性回归分析结果中会给出模型的拟合程度，即R方值。R方值越接近1，说明模型对数据的拟合程度越好。

2.回归系数：SPSS线性回归分析结果中会给出每个自变量的回归系数，表示该自变量对因变量的影响程度。回归系数为正数表示自变量与因变量呈正相关，为负数则表示自变量与因变量呈负相关。

3.显著性检验：SPSS线性回归分析结果中会给出每个自变量的显著性检验结果，即p值。p值表示该自变量是否对因变量有显著影响，p值越小表示影响越显著，通常取0.05作为显著性水平。

4.多重共线性检验：SPSS线性回归分析结果中会给出多重共线性检验结果，即VIF值。如果VIF值大于10，则表示存在多重共线性，即自变量之间存在较强的相关性，需要进行处理。

5.残差分析：SPSS线性回归分析结果中会给出残差的分析结果，包括残差的分布情况、残差的正态性检验、残差的方差齐性检验等。残差分析可以检验模型是否满足线性回归的基本假设。

综上所述，SPSS线性回归分析结果的解读需要综合考虑模型拟合程度、回归系数、显著性检验、多重共线性检验和残差分析等多个方面。

用spss进行单因素方差分析之后，如果出现了显著性差异，就需要进行事后对比检验。因为答应素方差，分析分析的是多组事物之间是否存在着差异，如果有差异要进行两两对比，看这种差异主要来自于哪两个样本之间的差异？

定量分析 指分析一个被研究对象所包含成分的数量关系或所具备性质间的数量关系；也可以对几个对象的某些性质、特征、相互关系从数量上进行分析比较，研究的结果也用“数量”加以描述。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。定序测量：对研究对象的特征或属性作次序的鉴别。如文化程度用大学、中学和小学来区分时就构成定序测量。定序测量只能区分次序而不能确定距离。如文化程度在定序层次只有高低之分，不能判定各文化程度之间的间隔大小。统计推断statistical inference 根据带随机性的观测数据（样本）以及问题的条件和假定（模型），而对未知事物作出的，以概率形式表述的推断。

方法/步骤:

1.

打开spss系统,在菜单栏中依次选择“分析”|“缺失值分析”命令,

2.

进行相应的设置,设置主要包括以下几个方面的设置: 1)“定量变量”列表框;2)“分类变量”列表框; 3)“个案标签”;4)使用所有变量按钮

3.

设置模式,单击”模式“按钮,弹出模式对话框,用来设置显示输出表格中的缺失数据模式...

4.

设置完成之后,单击”确定“,输出结果。

1.在做交互分析以前先要做数据集，如图所示，在菜单栏上执行：analyze--multiple response--efine

2.将所有选项构成的变量都放到变量集列表中

3.设定这些题中有几个分类，如果是是否型的勾选【dichotomies】

4.填写数据集的名称和标签，点击添加按钮，数据集定义完成

5.在菜单栏上执行：analyze--multiple response--crosstable

6.将刚才定义好的数据集放到row列表，将性别变量放到column列表

7.选中性别，定义一下这个变量，点击define ranges

8.因为性别变量就是1和2，所以输入最大值和最小值，然后点击continue按钮

9.回到这个对话框，点击options按钮，定义输出结果

10.这里需要勾选输出列变量的百分比，所以选中column，点击continue按钮

11.回到这个对话框，点击ok按钮，开始输出结果

12.分析这个结果，我们看到男女比例基本上没有太大的差别，所以性别和信息来源这两个变量没有交互作用