線性迴歸的選項
您可以使用的選項如下：
步進條件。 當指定向前、向後或逐步變數選取方法時，這些選項適用。 模型中可以輸入或移除的變數取決於 F 值或 F 值本身的顯著性 (機率)。
- 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。
- 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。
容錯。 依預設，此值為 .0001。 容差是方程式中未由方程式中其他自變數說明的變數變異數比例。 如果在分析中包含考量的變數，則方程式中任何變數的最小容差是方程式中未包含之變數的最小容差。 變數必須通過容差及容差下限測試，才能輸入並保留在迴歸方程式中。 如果變數通過容差準則，則可以根據有效的方法來併入。
方程式中含有常數項。 依預設，迴歸模型裡面會包含一個常數項。 取消選取這個選項，會強制迴歸通過原點，因此我們很少這樣做。 您不能將通過原點之迴歸的某些結果，拿來跟含常數項之迴歸結果相比較。 例如，您不能用一般的方式來解譯 R 2 。
遺漏值。 您可以任選一個選項：
- 完全排除遺漏值。 如果觀察值對於每個變數而言，其值都是有效的，則該觀察值才會納入分析中。
- 成對方式排除。 含有成對相關變數完整資料的觀察值，可用來計算相關係數，而迴歸將根據此係數來進行分析。 自由度的依據則是成對的 N的最小值。
- 用平均數置換。 這個選項會計算每一個觀察值，並且用變數的平均數來取代漏掉的觀察值。
指定線性迴歸的選項
本功能需要 Statistics Base 選項。
- 從功能表中選擇：
- 在「線性迴歸」對話框中，按一下選項。
- 選擇您要的選項。