1. 如果这是一个 SPSS 语法问题，答案就是将经过适当编码的分类变量与连续变量一起放入“自变量”的变量列表中。
2. 关于统计：你的分类变量是二进制的吗？如果是这样，您需要使用虚拟或其他有效的对比代码。如果它不是二元的，那么您的分类变量是序数还是名义变量？如果是名义上的，那么再次，您必须使用一些对比代码策略 - 实际上模拟变量的每个级别对结果或“因”变量的影响。如果分类变量是有序的，那么很可能明智的做法是将其按原样输入模型，就像使用连续预测变量（即“独立”）变量一样。在这种情况下，您会假设分类预测变量（“独立”）变量的级别之间的增量；这很少会是一个错误，但如果是这样，您应该再次使用对比代码并模拟每个级别的影响。这个问题经常出现在这个论坛 - 这是一个很好的分析
3. 在我看来，如何处理丢失的数据是完全不同的事情。我的理解是，成对删除不被视为多元回归的有效方法。Listwise 很常见，但也可能使结果产生偏差，这当然是一种耻辱。多重插补是一件美丽的事情。

您绝对可以，按照您用于第一个分类预测器的相同方法。就像创建第一个此类变量一样创建虚拟变量。但使用 SPSS 的 Unianova 命令通常更容易。您可以在任何印刷或 pdf 格式的语法指南中查找它，或者您可以通过分析...通用线性模型...单变量来访问它。

尽管有点复杂，但回归命令比 Unianova 有许多优势。最主要的是您可以选择“成对缺失”（您不必仅仅因为它缺少一个或两个预测变量的值而输掉一个案例）。您还可以获得许多有价值的诊断信息，例如部分图和影响统计。

将分类变量转换为一组虚拟变量以用于 SPSS 中的模型的一种简单方法是使用 do repeat 语法。如果您的分类变量按数字顺序排列，这是最简单的使用方法。

*making vector of dummy variables.
vector dummy(3,F1.0).
*looping through dummy variables using do repeat, in this example category would be the categorical variable to recode. 
do repeat dummy = dummy1 to dummy3 /#i = 1 to 3.
compute dummy = 0.
if category = #i dummy = 1.
end repeat.
execute. 

否则，您可以简单地运行一组 if 语句来创建您的虚拟变量。我当前的版本 (16) 没有在回归命令中自动指定一组虚拟变量的本机能力（就像您可以在 Stata 中使用xi 命令一样）但如果这在某些较新版本中可用，我不会感到惊讶。还要注意 dmk38 的第 2 点，这种编码方案是假设名义类别。如果您的变量是序数，则可以使用更多的自由裁量权。

我也同意 dmk38 和关于回归更好的讨论，因为它能够以特定方式指定缺失数据是一个完全独立的问题。