1、数据录入spss并且处理好。
2、分析——回归——线性。
3、选择自变量和因变量到对应的框，如下图。
4、点击下一页，如下图。
5、控制变量放进来，如下图。
6、结果都会有两个模型，可以对比控制变量放进来之后的各指标变化，一般看R放和系数表，如下图。
扩展资料：
spss软件的特点：
spss直接就有多元回归的按钮，控制变量和主要验证的自变量你自己能区分开就好，一起输入。这张图其实是做了四个多元回归。第一列也就是第一个模型，是以公司综合绩效为因变量，第一大股东持股比例为自变量，资产规模与资产负债率为控制变量的多元回归模型。
第二列是以公司综合绩效为因变量，前五大股东持股比例为自变量，资产规模与资产负债率为控制变量的多元回归模型。
一、案例说明
1.案例数据
在“工资影响因素”的调查问卷中，调查了每个人的起始工资、工作经验、受教育年限、受雇月数、职位等级以及当前工资六个方面。
2.分析目的
目的是建立以当前工资为因变量的回归模型，并得出结论。[案例来源于：SPSS统计分析（第5版）卢纹岱,朱红兵主编，案例有一些变动 具体请看分析。]
分析结果：
从上表可知，将起始工资,受教育年限,职位等级,工作经验作为自变量，而将当前工资作为因变量进行线性回归分析，从上表可以看出，模型R方值为0.604，调整R方为0.600，其中R方是决定系数，模型拟合指标。反应Y的波动有多少比例能被X的波动描述。调整R方也是模型拟合指标。当x个数较多是调整R²比R²更为准确。意味着起始工资,受教育年限,职位等级,工作经验可以解释当前工资的60.4%变化原因。可见，模型拟合优度较好，说明被解释变量可以被模型解释的部分较多。接下来查看变量是否具有多重共线性。
从上表可知，将起始工资,受教育年限,工作经验,职位等级作为自变量，而将当前工资作为因变量进行线性回归分析，从上表可以看出，模型公式为：当前工资=-41.634 + 0.425*起始工资 + 6.176*受教育年限-0.051*工作经验 + 29.819*职位等级。
上图所示，回归方程的常数项约为-41.63，以及起始工资、受教育年限、工作经验以及职位等级的非标准化系数分别为0.425、6.176、-0.051、29.819。表中4个变量的p值均小于0.05，并且VIF值均正常，因此4个变量可以显示在模型中。