兩個變數是正相關，多元迴歸中迴歸係數B值是負值，產生這種現象一般有幾種情況：

1、出現多重共線性

由於多元迴歸分析中，會同時將多個X（解釋變數）加入到模型中，這時候就很容易產生一個問題就是，多個X之間本身就存在很強的相關關係，即X之間有著比較強的替代性。如果各個自變數x之間有很強的線性關係，就無法固定其他變量了，因此出現共線性問題，可能導致迴歸係數的符號與實際情況完全相反，本應該顯著的自變數不顯著，本不顯著的自變數卻呈現出顯著性。

解決方法

針對共線性問題的解決方案上，可以觀察出現共線性的變數，如不具有實際意義，可手動剔除不重要的解釋變數；或者利用因子分析合併變數；或考慮使用逐步迴歸進行分析，直接移除出共線性的自變數X；當變數數不夠，不能選擇剔除變數時，可以考慮增大樣本容量，儘量使樣本容量遠大於自變數個數；如共線性變數比較重要，不可剔除時可以考慮使用嶺迴歸。

2、存在異常值

相關分析對異常值的存在不敏感，但在迴歸分析中，存在異常值可能會導致模型構建產生偏差，所以做迴歸分析前，可透過箱盒圖檢視資料情況，以及有無異常值。同時可用SPSSAU資料處理中“異常值”功能，剔除異常值後再進行分析。

3、如果不存在以上問題，則說明資料正常

出現此類問題的原因很可能是Suppressor effect(壓抑效應)。

壓抑效應是指X對Y同時存在兩種路徑，一是對Y的直接影響，二是透過中介變數Z產生影響，而且直接和間接影響的方向正好相反，相互抵消，因此導致在不控制Z的情況下，X對Y的影響很小，甚至為零，而實際上兩者之間存在較大的因果關係。

此時應該以相關分析結論為準，以“有相關關係但沒有迴歸影響關係”作為結論

相關資料

共線性問題：spss分析存在共性線後，接下來是怎麼分析？

相關回歸：線上SPSS-SPSSAU-相關回歸

相關係數和迴歸係數符號相反正常。迴歸方程中自變數的迴歸係數代表的是在控制或者說消除了方程中其他自變數的效應後，該自變數與因變數的關聯，而一般的相關只單純考查兩個變數的關聯，不會控制其他變數，所以二者的結果是有差別的。

相關係數和迴歸係數的聯絡和區別：

1、首先，相關係數與迴歸係數的方向，即符號相同。迴歸係數與相關係數的正負號都有兩變數離均差積之和的符號業決定，所以同一資料的b與其r的符號相同。迴歸係數有單位，形式為（應變數單位/自變數單位）相關係數沒有單位。相關係數的範圍在-1～+1之間，而回歸係數沒有這種限制

2、在迴歸中，應變數即Y是隨x的改變而改變，而相關則是xy相互獨立，可以做x與y的相關和y與x的相關是一致的，迴歸就不能這樣做。相關表示兩變數間的相互關係，是雙方向的。而回歸則表示Y隨X而變化，這種關係是單方向的。醫學資料中的有些資料用相關表示較適宜，比如兄弟與姐妹間的身長關係、人的身長與前臂長之間的關係等資料。另有些資料用相關和迴歸都適宜，此時須視研究需要而定。就一般計算程式來說，是先求出相關係數r並對其進行假設檢驗，如果r顯著並有進行迴歸分析之必要，再建立迴歸方程。

3、一般來說，相關和迴歸的假設檢驗的結果是一致的。

迴歸係數是指在迴歸方程中表示自變數x 對因變數y 影響大小的引數。迴歸係數越大表示x 對y 影響越大，正迴歸係數表示y 隨x 增大而增大，負迴歸係數表示y 隨x增大而減小。迴歸方程式^Y=bX+a中之斜率b,稱為迴歸係數，表X每變動一單位，平均而言，Y將變動b單位。

迴歸係數反映了自變數與因變數的關聯程度，標準化的迴歸係數等價於相關係數。某種意義上是可以把迴歸係數理解為一種相關。

相關係數是用自變數預測因變數的迴歸係數與用因變數預測自變數的迴歸係數的幾何平均值。