spss回归分析求助！急！！！

    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