如何在SPSS中识别并处理回归分析中的高杠杆值点？请结合《中心化杠杆值详解：SPSS在屏东大学的应用与残差分析》提供具体步骤。

识别并处理回归分析中的高杠杆值点是保证模型稳健性的一个关键步骤。在使用SPSS进行数据分析时，首先要了解中心化杠杆值的概念及其对模型的影响。具体到SPSS操作步骤，可以按照以下流程进行：

参考资源链接：[中心化杠杆值详解：SPSS在屏东大学的应用与残差分析](https://wenku.csdn.net/doc/3zd31q8vp8?spm=1055.2569.3001.10343)

1. 首先，执行线性回归分析。在SPSS中，选择 '分析' > '回归' > '线性'，将因变量和自变量放入相应的对话框。

2. 在线性回归对话框中，勾选 '保存' 选项卡，选择 '标准化残差'、 '杠杆值' 和 'Cook's距离'。这些指标可以帮助我们识别异常值和潜在的高杠杆值点。

3. 执行回归分析后，查看回归分析的结果输出。SPSS会提供标准化残差、杠杆值和Cook's距离等统计量。杠杆值超过阈值（(N-1)/N）的观测点通常被认为具有较高的杠杆率。

4. 接下来，使用 '绘制' 功能来可视化残差和杠杆值。例如，可以绘制 '残差图' 或 '杠杆值图'，这样有助于直观地识别异常点。

5. 根据识别出的高杠杆值点，进行进一步的分析。如果确定这些点是由于数据录入错误或异常情况造成的，可以考虑删除或调整这些观测值。

6. 重新运行回归分析以检验高杠杆值点处理后的模型稳健性。比较调整前后的模型参数、统计量，检查模型是否得到改善。

《中心化杠杆值详解：SPSS在屏东大学的应用与残差分析》这本书提供了具体的案例研究和详细的操作指南，有助于读者更好地理解和掌握上述步骤。通过学习该书内容，用户将能更有效地利用SPSS软件识别和处理回归分析中的高杠杆值点，从而优化模型并提高分析结果的可靠性。

参考资源链接：[中心化杠杆值详解：SPSS在屏东大学的应用与残差分析](https://wenku.csdn.net/doc/3zd31q8vp8?spm=1055.2569.3001.10343)