在众多的业务量预测方法中，线性回归方程预测法是针对多变量影响且呈线性趋势的业务量最适合的预测方法。线性回归方程在EXCEL中也能做，但相对来讲没有SPSS严谨和专业。今天就简单介绍一下SPSS线性回归预测的大体操作流程。把数据导入SPSS，并打开“分析”——“回归”——“线性”设置界面。在随后展开的对话框中，把“联络量”放入因变量框，把“客户基数”和“市场投入”放入自变量框。
在众多的业务量预测方法中，线性回归方程预测法是针对多变量影响且呈线性趋势的业务量最适合的预测方法。线性回归方程在EXCEL中也能做，但相对来讲没有SPSS严谨和专业。今天就简单介绍一下SPSS线性回归预测的大体操作流程。话务量的预测其实最重要的是要找到影响业务量变化的关键因素，因此在此之前必要的探索性分析也是必不可少的，在此不做展开。下面我们直接进入主题：
首先，假设我们找到了两个影响业务量变化的关键因素：用户基数和市场预算投入（模拟数据，莫当真）。
把数据导入SPSS，并打开“分析”——“回归”——“线性”设置界面。
在随后展开的对话框中，把“联络量”放入因变量框，把“客户基数”和“市场投入”放入自变量框。
然后打开“统计量”对话框，增加勾选“共线性诊断”和“D-W”残差测试。
再打开“保存”对话框，浏览到模型保存的位置（自定）并输入名称（自定），并点击“继续”。
然后，直接点击“确定”，我们就得到了如下的模型拟合结果。可以看到，残差序列相关D-W测试结果近乎完美，不存在系列相关性；自变量显著性检验通过；共线性膨胀因子稍微有些偏大，但综合考虑来讲模型还是不错的。
现在我们再导入一组新的数据，自变量相同但没有“联络量”因变量（其实我就是把“联络量”删除了，你懂得）。
然后打开“实用程序”——“评分向导”。
在“评分向导”对话框中选择刚才保存的模型XML文件，然后一路默认“下一步”，一直到完成。
最后，我们就用拟合好的线性回归模型完成了对新的数据集的联络量预测。
