回归模型的R方多大才算合格？

没有统一标准，要结合学科而定。社会科学研究中0.3到0.5已属不错，不必追求接近1。多元回归时更建议看调整后R方。

某个自变量不显著，论文里还能写吗？

可以如实报告。不显著本身就是信息，只是不要硬解释，也不要在结论里写它产生了影响。

第一次跑完回归，看到SPSS输出的一整页表格，大部分人是懵的：数字这么多，哪个重要，论文里怎么写？还有人干脆把整个表格截图贴进论文，被导师批注“你自己看得懂吗”。

回归结果其实只需盯住四个数。读明白这四个，整张表就通了。

R方出现在“模型摘要”表里，范围在0到1之间，表示模型能解释因变量变异的比例。R方为0.35，意思是所选自变量合起来能解释因变量35%的变化。社会科学里0.3到0.5已经算不错的解释力。多元回归建议看调整后R方，它考虑了自变量个数，能避免靠堆变量虚增解释力。

在方差分析表里，回答的是这一组自变量作为整体对因变量有没有解释力。p小于0.05，说明模型整体显著；若F检验不显著，后面单个变量看也意义不大，说明变量选择需要重新考虑。论文常见写法：回归模型整体显著，F等于某值，p小于0.001。

在系数表里，每个自变量一行。p小于0.05，说明在控制其他变量之后，它对因变量仍有显著影响；大于0.05则没有。不显著就如实报告，不要硬解释，那是过度解读。

B告诉你该变量每增加一个单位，因变量平均变化多少，符号表示方向。例如B等于0.42且显著，可写成：在其他条件不变时，该变量每提高一个单位，因变量平均提高0.42个单位。这是回归比相关更有价值的地方：给出控制了其他变量的影响幅度。若需要比较哪个变量影响更大，看标准化系数Beta。

模型整体显著，F等于某值，p小于某值，R方为某值，说明自变量整体解释了因变量一定比例的变异；A变量与B变量显著且为正向，系数分别为多少；C变量不显著，在本样本中未观察到独立影响。

跑完不要急着截图交差，先把四个数读一遍，再用自己的话写成结论。读懂数字背后的含义，才是真正的研究能力。