區別分析逐步迴歸分析法

方法。 選取統計量，以輸入或刪除新變數。可用的替代方案為 Wilks' lambda (Λ)、未解釋的變異數、馬氏 (Mahalanobis) 距離、最小的 F 比例，以及 Rao 的 V。使用 Rao 的 V，您可以為要在 V 中輸入的變數指定最低增幅。

Wilks' lambda。一種進行逐步迴歸分析區別分析的變數選取方法，它會根據變數將 Wilks Lambda 降低的程度來為輸入方程式的項目選擇變數。在每一個步驟中，輸入最小化整體 Wilks' Lambda 的變數。
未說明的變異數。在每個步驟中，輸入會將群組之間未說明的變異總和最小化的變數。
Mahalanobis 距離。測量自變數之觀察值的值與整體觀察值平均數的變異程度。較大 Mahalanobis 距離會將觀察值識別為在一個以上自變數中具有極端值。
最小 F 比例。一種逐步分析的變數選取方法，其所根據的作法，是將從群組間 Mahalanobis 距離計算而來的 F 比例最大化。
Rao's V。群組平均數之間差異的量數。也稱為 Lawley-Hotelling 跡。每一個步驟，都要輸入將 Rao's V 中的增加最大化的變數。選取此選項後，輸入變數必須輸入分析的最小值。

準則。 可用的替代選項為使用 F 值及使用 F 的機率。輸入用來進入及刪除變數的值。

使用 F 值。變數的 F 值大於「輸入」值時，系統會將該變數輸入模型，而當 F 值小於「移除」值時，系統會將變數移除。「輸入」必須大於「移除」，而且兩個數值都必須是正數。若要將更多變數輸入模式，請調低「輸入」值。若要從模型中移除更多變數，請調高「移除」值。
使用 F 機率。變數的 F 值顯著性層次小於「輸入」值時，系統會將變數輸入模型，而顯著性層次大於「移除」值時，系統會將變數移除。「輸入」必須小於「移除」，而且兩個數值都必須是正數。若要將更多變數輸入模式，請調高「輸入」值。若要從模型中移除更多變數，請調低「移除」值。

顯示。 步驟摘要會在每一個步驟之後顯示所有變數的統計資料；F 代表成對距離會針對每一對群組顯示成對的 F 比例矩陣。

選取逐步迴歸分析法選項

本功能需要 Statistics Base 選項。