1、做多自变量的线性回归，在统计量面板内选：共线性诊断（L）；
2、如结果中的方差膨胀系数（VIF）>5，则可做岭回归分析；
3、新建语法编辑器，输入如下命令：
INCLUDE '安装目录\Ridge regression.sps'. RIDGEREG DEP=因变量名 /ENTER = 自变量名（用空格分开）/START=0 /STOP=1[或其它数值] /INC=0.05[或其它搜索步长]/K=999 .
4、选择运行全部，得到各自变量岭迹图和决定系数R2与K值的关系图，在图上作参考线，取一岭迹平稳并且R2值较大的平衡点的K值；
5、将语法编辑器中的K值改为所选K值，再运行全部，得到详细的最终模型参数。
方法二：
可以直接在spss里面做，spss18里面已经比较完善了。
步骤如下：回归——》最优尺度——》规则化（里面有岭回归）。
file——new——syntax，输入命令如下：‘D:\spss\Samples\English\Ridge Regression.sps'.
RIDGEREG DEP=y/ENTER x1 x2 x3 x4
/inc=0.01.
include 'D:\spss\Samples\English\Ridge Regression.sps'.
RIDGEREG DEP=y/ENTER x1 x2 x3 x4
/k=0.10.
有不懂可以私信我
岭回归可以下载相关模块，也可以自己编程来实现。大部分人都会选择后一种方法。这个主要是因为代码很简洁，很容易编写。代码如下：INCLUDE’d:\spss20.0\Ridge Regression.sps’.
Ridgereg enter=X1 X2 X3
/dep=y
诺，就这么三行。第一行单引号里边填写你的spss安装目录。比如我的按在d盘下面，所以我就填d:\spss20.0，如果你的按在c盘，那就填C盘呗。然后目录后边那个ridge regression，是最小二乘平方的宏的调用。然后第二行X1，X2，X3的位置填写你的自变量的名字。有几个就填几个。中间用空格隔开。第三行y的位置填你的因变量。运行的时候，打开文件——新建——语法，进入语法编辑器窗口，输入上边的代码，然后点运行——全部就可以了。结果会有一个系数表，这个表的第一列是K值，第二列是决定系数，第三列往后是你的自变量。其中k值会从0开始增大，同时决定系数也会慢慢变小，最终趋于稳定。（岭回归舍弃了一定的信息，从而改善了多重共线性）要从这张表里边选取合适的k值，使决定系数尽量大，同时尽量稳定。选好k值就可以参照系数写出方程了。此外在岭回归里边是不会输出常数的。这也是和一般回归方法的一个不同之处。
从一篇文章里摘出来的一部分，希望帮到你了呦。
