悬赏啊 spss处理关于消费者的调查

本人第一次接触spss，很菜。但先对的，大家应该也很容易回答才对^ ^
这是一个案例，不好意思，有点长。大家先看一下：


我们以SIM手机的用户满意度与相关变量的线性回归分析为例，来进一步说明线性回归的应用。从实践意义讲上，手机的用户满意度应该与产品的质量、价格和形象有关，因此我们以“用户满意度”为因变量，“质量”、“形象”和“价格”为自变量，作线性回归分析。利用SPSS软件的回归分析，得到回归方程如下：

  用户满意度＝0.008×形象＋0.645×质量＋0.221×价格

  对于SIM手机来说，质量对其用户满意度的贡献比较大，质量每提高1分，用户满意度将提高0.645分；其次是价格，用户对价格的评价每提高1分，其满意度将提高0.221分；而形象对产品用户满意度的贡献相对较小，形象每提高1分，用户满意度仅提高0.008分。
  方程各检验指标及含义如下：
指标  显著性水平  意义  
R2  0.89   “质量”和“形象”解释了89％的“用户满意度”的变化程度  
F  248.53  0.001  回归方程的线性关系显著  
T（形象）  0.00  1.000  “形象”变量对回归方程几乎没有贡献  
T（质量）  13.93  0.001  “质量”对回归方程有很大贡献  
T（价格）  5.00  0.001  “价格”对回归方程有很大贡献  
  从方程的检验指标来看，“形象”对整个回归方程的贡献不大，应予以删除。所以重新做“用户满意度”与“质量”、“价格”的回归方程如下：
  用户满意度＝0.645×质量＋0.221×价格
  对于SIM手机来说，质量对其用户满意度的贡献比较大，质量每提高1分，用户满意度将提高0.645分；用户对价格的评价每提高1分，其满意度将提高0.221分（在本示例中，因为“形象”对方程几乎没有贡献，所以得到的方程与前面的回归方程系数差不多）。
  
方程各检验指标及含义如下：

指标  显著性水平  意义  
R  0.89   “质量”和“形象”解释了89％的“用户满意度”的变化程度  
F  374.69  0.001  回归方程的线性关系显著  
T（质量）  15.15  0.001  “质量”对回归方程有很大贡献  
T（价格）  5.06  0.001  “价格”对回归方程有很大贡献  



我的问题是这个是如何得出来的？？用户满意度＝0.008×形象＋0.645×质量＋0.221×价格
调查的数据可以先虚拟一下。
最好可以具体到每一个步骤，有截图最好。
还有方程的检验指标是如何用spss得来的 ，怎么看？要有具体步骤
哦 我用的是spss17
谢谢啦……

很简单啊，导入数据做回归，上述结论都出来了啊！！

我知道是回归，可不可以具体一点
anyway
谢了

我的计量学的也不好，不过我们可以讨论下。
首先，满意度=a*形象+b*质量+c*价格+u 是一个简单的多元线性模型，其中u是随机扰动项。在SPSS中，系数（边际量）是通过样本数据运用数学算法估算而来的。
其次，就是一些指标的来历。R2是可决系数，用于检验模型的拟合优度，它等于回归平方和（模型型中解释变量所解释的部分）与总离差平方和（反映样本观测值总体离差的大小）的比值。显然，R2越大，回归直线与样本点拟合越好。F统计量等于回归平方和与残差平方和（反映样本观测值与估计值偏离的大小）的比值，用于进行变量显著性的检验。与t检验和z检验差不多，只是构造的统计量不同。在你所得出的质量变量与价格变量的检验就采用的就是t检验。当然检验的指标很多啦，例如：D.W值、AIC等（我列出的这两个应该对你分析问题有些帮助）
再次，当你确定了因变量和自变量后，建议不要轻意就删除一些变量，除非你真的发现某个或某些变量确实影响不大。因为产生一个变量不显著的原因有许多，其中与你的模型有关，与你的选择的样本有关，与你对数据处理也有关等等。
最后，如果你想彻底搞清楚这个问题，建议你看一些计量方面的书就可以，一般的计量书前面几章就会着重讲解这些问题。祝你好运！

你把数据给我 我帮你做回归吧