GLM 儲存

您可以把由模式、殘差和相關量數所預測出來的值存成「資料編輯器」中的新變數。 這種變數可以用來檢驗資料的假設。 若要儲存值以在另一個 IBM® SPSS® Statistics 階段作業中使用，您必須儲存現行資料檔。

預測值。 模式為每個觀察值所預測出來的數值。

• 未標準化。 模型所預測的應變數值。
• 加權。 未標準化的加權預測值。 先前選取了 WLS 變數才可使用。
• 標準誤。 估計應變數平均值的標準差，它是為與自變數有相同數值的觀察值而進行的估計。

診斷。 此測量可以找出包含自變數異常組合值的觀察值，還有可能對模式有重大影響的觀察值。

• Cook 距離。 在從迴歸係數計算中排除特定觀察值時，所有觀察值殘差變更程度的量數。 若 Cook D 較大，則表示從迴歸統計量計算中排除某個觀察值會造成係數發生重大變更。
• 槓桿值。 未置中的槓桿值。 模型適合度中每個觀察值的相對影響。

殘差。 未標準化的殘差是應變數跟模型預測值相減後，產生出來的實際值。 您也可以使用標準化殘差、Studentized 殘差和已刪除殘差。 如果已選擇 WLS 變數，則可使用加權的非標準化殘差。

• 未標準化。 觀察值與模型所預測的值之間的差異。
• 加權。 未標準化加權殘差。 先前選取了 WLS 變數才可使用。
• 標準化。 殘差除以其標準差的估計值。 標準化殘差（也稱為皮爾遜殘差）的平均數為 0，標準差為 1。
• Studentized。 殘差會根據自變數的平均數到自變數中每一個觀察值的值之距離，除以隨其觀察值類型變化之標準差的估計值。 有時稱為內部 studentized 殘差。
• 已刪除。 從迴歸係數計算中排除觀察值時，該觀察值的殘差。 它是應變數值與已調整預測值之間的差異。

係數統計量。 將模型中參數估計值的變異數/共變異數矩陣寫入現行階段作業中的新資料集或外部 IBM SPSS Statistics 資料檔。 而且，對於每個應變數而言，會有一列參數估計值、一列參數估計值標準誤、一列 t 統計量的顯著性值 (對應於參數估計值)及一列殘差自由度。 對於多變量模型而言，每個應變數都有類似的列。 選取異方差性一致統計量（僅適用於單變數模型）時，會使用穩健性估計值計算變異數-共變異數矩陣，標準誤列會顯示穩健性標準誤，而顯著性值會反映穩健性錯誤。 您可以在其他需要讀取矩陣檔的程序中使用這個矩陣檔。

儲存 GLM 的新變數或參數

1. 從功能表中選擇：

   分析 > 一般線性模型

2. 選擇 單變量、 多變量或 重複測量。
3. 在對話框中，按一下「儲存」。
4. 選取要新增至「資料編輯器」的變數類型。

   或

5. 指定資料集名稱或外部檔案以儲存共變異數矩陣。

您必須先安裝「進階統計量」選項，然後才能使用「GLM 多變量」和「GLM 重複測量」。