可能要用到：普通最小二乘法、加权最小二乘法、二阶最小二乘法、非线性最小二乘法、时间序列分析、方程检验及预测。自回归条件异方差（ARCH）模型、离散和受限因变量模型、和对数极大似然估计~~等等~~【☆☆~~亲，如果对你有帮助的话，麻烦点下“有用”--“打赏”谢谢了~~☆☆】
第一节 Linear过程 8。1。1 主要功能 调用此过程可完成二元或多元的线性回归分析。在多元线性回归分析中，用户还可根据需要，选用不同筛选自变量的方法（如：逐步法、向前法、向后法，等）。 返回目录返回全书目录 8。
1。2 实例操作 〔例8。1〕某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资料如下。试用多元回归方法确定以身高、体重为自变量，体表面积为应变量的回归方程。 儿童编号 体表面积（Y） 身高（X1） 体重（X2） 1 2 3 4 5 6 7 8 9 10 5。
382 5。299 5。358 5。292 5。602 6。014 5。830 6。102 6。075 6。411 88。0 87。6 88。5 89。0 87。7 89。5 88。8 90。4 90。6 91。
2 11。0 11。8 12。0 12。3 13。1 13。7 14。4 14。9 15。2 16。0 8。1。2。1 数据准备 激活数据管理窗口，定义变量名：体表面积为Y，保留3位小数；身高、体重分别为X1、X2，1位小数。
输入原始数据，结果如图8。1所示。 图8。1 原始数据的输入 8。1。2。2 统计分析 激活Statistics菜单选Regression中的Linear。。。项，弹出Linear Regression对话框（如图8。
2示）。从对话框左侧的变量列表中选y，点击Ø钮使之进入Dependent框，选x1、x2，点击Ø钮使之进入Indepentdent(s)框；在Method处下拉菜单，共有5个选项：Enter（全部入选法）、Stepwise（逐步法）、Remove（强制剔除法）、Backward（向后法）、Forward（向前法）。
本例选用Enter法。点击OK钮即完成分析。 图8。2线性回归分析对话框 用户还可点击Statistics。。。钮选择是否作变量的描述性统计、回归方程应变量的可信区间估计等分析；点击Plots。。。钮选择是否作变量分布图（本例要求对标准化Y预测值作变量分布图）；点击Save。
。。钮选择对回归分析的有关结果是否作保存（本例要求对根据所确定的回归方程求得的未校正Y预测值和标准化Y预测值作保存）；点击Options。。。钮选择变量入选与剔除的α、β值和缺失值的处理方法。 8。1。2。3 结果解释 在结果输出窗口中将看到如下统计数据： * * * *M U L T I P L ER E G R E S S I O N* * * * Listwise Deletion of Missing Data Equation Number 1 Dependent Variable。
。Y Block Number 1。 Method: Enter X1 X2 Variable(s) Entered on Step Number 1。。 X2 2。。 X1 Multiple R 。
94964 R Square 。90181 Adjusted R Square 。87376 Standard Error 。14335 Analysis of Variance DF Sum of Squares Mean Square Regression 2 1。
32104 。66052 Residual 7 。14384 。02055 F = 32。14499 Signif F = 。0003 ------------------ Variables in the Equation ------------------ Variable B SE B Beta T Sig T X1 。
068701 。074768 。215256 。919 。3887 X2 。183756 。056816 。757660 3。234 。0144 (Constant) -2。856476 6。017776 -。
475 。6495 End Block Number1 All requested variables entered。 结果显示，本例以X1、X2为自变量，Y为应变量，采用全部入选法建立回归方程。
回归方程的复相关系数为0。94964，决定系数（即r2）为0。90181，经方差分析，F=34。14499，P=0。0003，回归方程有效。回归方程为Y=0。0687101X1+0。183756X2-2。856476。 本例要求按所建立的回归方程计算Y预测值和标准化Y预测值（所谓标准化Y预测值是指将根据回归方程求得的Y预测值转化成按均数为0、标准差为1的标准正态分布的Y值）并将计算结果保存入原数据库。
系统将原始的X1、X2值代入方程求Y值预测值（即库中pre_1栏）和标准化Y预测值（即库中zpr_1栏），详见图8。3。 图8。3 计算结果的保存 本例还要求对标准化Y预测值作变量分布图，系统将绘制的统计图送向Chart Carousel窗口，双击该窗口可见下图显示结果。
图8。4 对标准化Y预测值所作的正态分布图。
答：详情>>
