进行回归分析需要依据数据的特点和研究目的来选择适合的回归模型和方法。在使用SPSS进行回归分析前，需要进行以下步骤：
数据整理和清洗：将数据导入SPSS中，并进行数据清洗和整理，包括去除缺失值、异常值等。
变量选择：根据研究目的和相关理论，选择自变量和因变量，并确定它们的测量尺度。
变量描述性分析：使用SPSS进行变量描述性统计分析，包括计算均值、标准差、最大值、最小值、偏度、峰度等。
相关性分析：使用SPSS进行自变量和因变量之间的相关性分析，包括皮尔逊相关系数、Spearman等。
回归模型选择：根据研究目的和数据特点，选择适合的回归模型和方法，例如线性回归、多元线性回归、逻辑回归等。
模型检验和解释：使用SPSS进行回归模型的检验和解释，包括模型的拟合程度、变量的显著性、回归系数的解释等。
在进行多个公司多年的数据回归分析时，需要考虑到不同公司和年份之间的差异性，并且需要进行一些数据预处理和变量转换。例如，可以使用虚拟变量或分类变量来表示不同公司或不同年份，并将其纳入回归模型中进行分析。另外，需要考虑到潜在的共线性和多重共线性问题，并进行相应的处理和解释。