線性迴歸的統計量

您可以使用的統計量如下：

迴歸係數。 估計值可顯示迴歸係數 B、B 的標準誤、標準化係數 beta、B 的 t 值，以及 t 的雙尾顯著性層級。信賴區間可顯示每個迴歸係數或共變異數矩陣的指定信任層級的信賴區間。共變異數矩陣可顯示迴歸係數的變異數/共變異數矩陣，此迴歸係數中的共變異數在對角線以外、而變異數在對角線上。此外，還會顯示一個相關性矩陣。

模式適合度。 列出輸入和從模型移除的變數，並顯示下列適合度統計資料：複相關係數 R、R ² 和調整過的 R ²、估計值的標準誤，以及變數分析表。

R 平方改變量。R ² 統計量的變更是藉由新增或刪除自變數而產生的。如果與變數相關的 R ² 變更很大，就表示該變數是因變數的良好預測變數。

描述性統計量。 該選項會提供分析中，每個變數的有效觀察值個數、平均數、標準差。此外，還會顯示一個相關性矩陣，該矩陣含有單尾顯著性層級，以及每個相關的觀察值個數。

偏相關性 (Partial Correlation). 在移除兩個變數與其他變數相互關聯的相關性後，餘留在兩個變數之間的相關性。模型中其他自變數的線性效果已從應變數及自變數移除後，兩個變數之間的相關性。

部分相關性 (Part Correlation). 模型中其他自變數的線性效果已從自變數移除後，應變數與自變數之間的相關性。它跟方程式加入一個變數，而 R 平方改變有關。有時亦稱作半偏相關性。

共線性診斷。 共線性 (或多重共線性) 是指自變數為其他自變數之線性函數時的不理想狀況。該選項會將（尺度化和未集中的）交叉乘積矩陣、條件索引、變異數分解比例的特徵值，跟變異數擴張因素 (VIF)、個別變數的容差，一起顯示出來。

殘差。顯示殘差和依觀察值診斷資訊之數列相關的 Durbin-Watson 檢定，此處的觀察值必須符合選擇條件 (偏離值在 n 標準差以上者)。

要求具迴歸的統計量

此功能需要 Statistics 基本版。

1. 在功能表上，選擇：

   分析 > 迴歸 > 線性...

2. 在「線性迴歸」對話框中，按一下統計量。
3. 選取您想要的統計量。