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 會顯示迴歸係數 B、 B的標準誤、標準化係數 β、 B的 t 值，以及 t的雙尾顯著性層次。 信賴區間會顯示每一個迴歸係數或共變異數矩陣的指定信賴度層次的信賴區間。 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。
模型適合度- 會列出從模型中輸入及移除的變數，並顯示下列「適合度統計量」: 多重 R、 R 2 及調整後 R 2、估計值的標準誤，以及變異數分析表。
R 平方變更- 透過新增或刪除自變數所產生 R 2 統計量的變更。 如果與變數相關的 R 2 變更很大，就表示該變數是應變數的良好預測變數。
敘述性- 提供分析中每個變數的有效觀察值數目、平均數及標準差。 此外，還會顯示一個相關性矩陣，該矩陣含有單尾顯著性水準，以及每個相關的觀察值個數。
部分相關性。 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。
偏相關性。 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。
共線性診斷- 當一個自變數是其他自變數的線性函數時，共線性 (或多重共線性) 是不想要的狀況。 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。
選取準則- 包括 Akaike 資訊準則 (AIC)、Ameniya 預測準則 (PC)、Mallows 預測準則的條件式均方誤差 (Cp) 及 Schwarz Bayesian 準則 (SBC)。 統計量會顯示在「模型摘要」表格中。
殘差- 您可以選取 「PRESS 統計量」 作為交叉驗證統計量，以比較不同的模型。 這也會顯示殘差序列相關性的 '德班-Watson' 測試。 選擇符合選取準則 (高於 n 標準差的偏離值) 之觀察值的 依觀察值診斷 資訊。
要求具迴歸的統計量
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，按一下統計量。
- 選取您想要的統計量。