spss多元线性回归_SPSS做线性回归是否要对原始数据进行标准化处理？

我们用SPSS做多元线性回归时，有多个自变量X，它们单位不同，大小有异，所以就会有人问在回归前是否要对原始数据进行标准化处理？

答案是：不需要

我们简单看一个例子。比如下方这个多元线性回归方程式，

其他条件不变时，自变量X3每增加一个单位，Y的预测值随之增加10.3个单位，这是对回归系数的解释。要注意的是，这个线性回归是在原始变量基础上进行拟合所得的结果，这个式子是含带物理单位的，自变量X和因变量Y在变化中都是携带实际意义的。

在这种情况下，我们很轻松的带入自变量X的具体取值，即可得到相应的Y值，预测效果直截了当，这是采取原始数据进行线性拟合的好处。

如果我们对原始数据采取了标准化处理，情况就不同了。

标准化处理后自变量、因变量的物理单位没有了，我们拿此时的线性回归方程做预测时就会十分麻烦，要对新的自变量取值进行标准化，得到的Y还是一个标准化后的数据，一眼看不到它的实际大小和物理意义。

除了要解决预测的问题，线性回归还要输出自变量X的重要性排序，现在有三个对Y有显著影响的自变量X，那么我们想知道X1、X2和X3谁更重要。

此时我们需要对比标准化后的回归系数，如