只有两个变量没必要继续回归，如果多变量情况下需要继续回归。
相关与回归在只有两个变量的情况下其实说的差不多是一回事。多变量情况下，可以用回归做预测，考虑调节变量，共线性问题，和多元回归一些其他功能，所以，继续做回归，还是两个变量，真的没必要，如果多变量情况下，还是可以考虑的。
因为pearson相关分析是一种简单的笼统的表示变量间相关性的数据，它不会考虑变量之间是否会存在有共线性或者相互影响。因此在能够做其他相关分析的时候，比如有回归分析、方差分析等，就没有必要再看pearson相关分析的结果，而是要以回归分析的数据为依据。
扩展资料
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系，虽然你可以在分析时一次放入多个变量，但出来的结果都是两个变量的简单的相关，也就是不在求两变量相关时考虑其他的控制变量。
然而回归不同，回归的结果是综合所有进入回归方程的自变量对因变量的结果而成的，也就是说，在回归当中你所看到的相关，是在控制了其他进入回归方程的变量之后的。
因此，普通相关与回归之中的回归系数会有比较大的差别。举个例子，比如考查变量a，b，c之间的关系，如果使用一般的相关，那么其结果呈现的是a和b的简单相关，b和c的简单相关，a和c的简单相关。
每一个相关都只涉及到两个变量，而与第三个变量无关，但如果是回归，回归里a和b的相关是在减去c变量的效应之后的，b和c的相关是在减去a的效应后的，a和c的相关是减去b的效应后的。
计算方法不同，得出的结果就不同。所以相关性分析时两变量关系不显著，回归分析却显著了这很正常。
相关分析是研究有没有关系，回归分析是研究影响关系。明显地，相关分析是基础，然后再进行回归分析。首先需要知道有没有相关关系；有了相关关系，才可能有回归影响关系；如果没有相关关系，是不应该有回归影响关系的。
因而从分析角度，应该先进行相关分析，完成相关分析后，确认有了相关分析，再进行回归分析。
具体可查看spssau的相关回归方法文档。
