分析多个因素对某一结果的影响程度应该用数据分析。主要的方式如下：
分析多个因素对某一结果的影响程度主要分为三步：
第一步是整理数据，首先定义变量，这个是比较重要的一步，但难度不大。
第二步：分析 由于你要分析农民收入和其他因素之间的关系。所以确定农民收入为因变量，而其他为自变量。通过analyze下面的regression来完成。即把农民收入选进因变量，其他（除年份和总计）作为自变量分析。当然里面还有像statistics等这些功能项，你作为默认就行了。
第三步：解释模型。认定你的模型做的好不好要看检验的结果，这里看R值。如果R接近1，则说明模型和实际拟和的效果比较好。你的模型R值达到了0.9多，说明效果非常不错。
SPSS中做Logistic回归的操作步骤：分析>回归>二元Logistic回归，选择因变量和自变量（协变量）
扩展资料:
数值型变量（metric variable）是说明事物数字特征的一个名称，其取值是数值型数据。如“产品产量”、“商品销售额”、“零件尺寸”、“年龄”、“时间”等都是数值型变量，这些变量可以取不同的数值。数值型变量根据其取值的不同，又可以分为离散型变量和连续型变量。
数据形式在计算机中的表示主要有两大类：数值型变量和非数值型变量（如，字符、汉字等）。数值型变量指，被人为定义的数字（如整数、小数、有理数等）在计算机中的表示。这种被定义的数据形式可直接载入内存或寄存器进行加、减、乘、除的运算。
一般不经过数据类型的转换，所以运算速度快。具有计算意义。另一种非数值型的数据，如字符型数据（如‘A’，‘B’，‘C‘等），是不可直接运算的字符在计算机中的存在形式。具有信息存储的意义。
在计算机中可识别的字符，一般都对应有一个ASCII码，ASCII码为数值型的数据。ASII码值的改变，对应的字符也会改变。所以，非数值型的数据，本质上也是数值型的数据。为了接近人的思维习惯，方便程序的编写，计算机高级语言，划分了数据的类型：
数值型数据有：整型 单精度型 双精度型。
非数值类型数据有：字符型 或 布尔型 或者 字符串型。
参考资料来源：百度百科:数值型变量
要具体看数据类型，如果Y（因变量）为定类数据，可用Logistic回归分析，如果自变量中有定类数据可设置成哑变量，再放入分析。
如果Y为定量数据，可用多元回归分析，自变量中的定类数据可设置成哑变量。
可结合SPSSAU的分析方法选择文档，选择适合的分析方法。
如果Y为定量数据，可用多元回归分析，自变量中的定类数据可设置成哑变量。
可结合SPSSAU的分析方法选择文档，选择适合的分析方法。