spss做的多元回归分析中,相关系数的大小能不能说明两个变量对因变量的影响程度的大小之分

比如，需要确定产品价格、产品质量、售后服务等因素对网络零售顾客忠诚度的影响，能否根据得出的相关系数的大小来确定对应因素对顾客忠诚度影响程度的大小？？
另外弱弱的问一下，，能不能用excel做类似地多元回归分析，，这种没有因变量具体数值的情况做不了吗？
本人本科生没有学spss软件，在写毕业论文，，如果excel不能解决的话，，能给发个spss ppt教程就更感激不尽了！！+.+ ==.==

可以说明，看标准回归系数，直接用SPSS回归分析，就可以得出各个自变量与因变量的相关系数。

多元回归分析中，首先要看X对Y有没有呈现出显著性影响，如果说自变量X已经对因变量Y产生显著影响(P< 0.05)，还想对比影响大小，可使用标准化系数( Beta)值的大小对比影响大小，Beta值大于0时正向影响，该值越大说明影响越大。Beta值小于0时负向影响，该值越小说明影响越大。

如果它不是线性的，你可以通过一些变换使它线性化，然后你可以用多元线性回归建模。变量之间的某些相关性是正常的，只要不存在多重共线性。

如果我们只需要探究自变量和因变量之间的关系，而不需要根据自变量的值来预测因变量的区间，则可以放宽方差的正态性和同质性。回归并不一定意味着因果关系。

两连续变量线性回归模型的适用条件：

（1）线性趋势：自变量与因变量之间为线性关系，可通过散点图判断；

（2）独立性：因变量Y的值是相互独立的，它们之间没有联系。即残差必须相互独立且不存在自相关；否则，应采用自回归模型；

（3）正态性：因变量Y服从正态分布，即残差要求服从正态分布。