线性回归：统计

可用的统计包括：

回归系数- 估计显示回归系数 B， B的标准误差，标准化系数 Beta ， B的 t 值以及 t的双尾显着性水平。置信区间为每个回归系数或协方差矩阵显示具有指定置信度的置信区间。协方差矩阵显示回归系数的方差-协方差矩阵，其对角线以外为协方差，对角线上为方差。还显示相关性矩阵。

模型拟合度- 将列出从模型中输入和移除的变量，并显示以下 "拟合优度统计": 多个 R， R ² 和调整后的 R ²，估计的标准误差以及方差分析表。

R 平方更改- 通过添加或删除自变量而生成的 R ² 统计量中的更改。如果与某个变量相关联的 R ² 变化很大，那么意味着该变量是因变量的一个良好的预测变量。

描述性- 提供分析中每个变量的有效个案数，平均值和标准差。还显示具有单尾显著性水平的相关性矩阵以及每个相关系数的个案数。

部分相关 (Part Correlation)。从自变量中移除模型中其他自变量的线性效应后，因变量和该自变量之间的相关性。当变量添加到方程时，它与 R 方的更改有关。有时称为半部分相关。

偏相关。对于两个变量，在移去由于它们与其他变量之间的相互关联引起的相关性之后，这两个变量之间剩余的相关性。从因变量和自变量中移除模型中其他自变量的线性效应后，该因变量和自变量之间的相关性。

共线性诊断- 当一个自变量是其他自变量的线性函数时，不希望出现共线性 (或多重共线性) 情况。显示已标度和未中心化交叉积矩阵的特征值、条件指数以及方差-分解比例，以及个别变量的方差膨胀因子 (VIF) 和容差。

选择标准- 包括 Akaike 信息准则 (AIC) ， Ameniya 预测准则 (PC) ，预测准则的允许条件均方误差 (Cp) 和 Schwarz Bayesian 准则 (SBC)。统计信息将显示在 "模型摘要" 表中。

残差- 您可以选择 "总统统计信息" 以用作交叉验证统计信息来比较不同模型。这还会显示 "德班-Watson" 残差序列相关性测试。选择符合选择标准的个案 ( n 标准差以上的离群值) 的 "个案诊断" 信息。

请求回归统计

此功能需要 Statistics Base 选项。