晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

當我們想探討兩個變數之間的關聯性時，我們除了可以計算相關係數以瞭解兩個變數之間的關聯強度外，亦可利用迴歸分析，來探討自變項對於依變項的影響或預測情形。

當自變項與依變項都只有一個時，我們稱為簡單迴歸分析，結果會跟我們去跑皮爾森積差相關一樣!!但如果自變項為兩個以上時，我們稱此叫複迴歸或多元迴歸，其實複迴歸只是簡單迴歸的延伸，在考慮其他自變項對依變項的影響之下，計算自變項對於依變項的影響力或預測力。

通常迴歸分析的結果會較注意以下三點

第一：迴歸方程式為何?

第二：整體模式是否良好，解釋力為何?

第三：哪些自變數能有效影響或預測依變數?

另外在做迴歸分析時有一個很重要的選項：選擇自變項的方法，一般最常用的有兩種，一是全部進入法（Enter）；另一個則是逐漸法（Stepwise）。全部進入法主要是想探討所有自變數對於依變數的影響或預測情形；逐步法則是想要從一堆自變數中，找到幾個能影響或預測依變數的有效因子（亦即找一個有效模式），以下將以一個閱讀測驗的例子，利用多元逐步迴歸來做分析。

Ex：影響閱讀測驗的重要因子（以逐步法為例）

（1）語法

1.設定原始資料集

現在要將我們的資料輸入到SAS裡，

DATA REG是指設定一個叫做REG的資料集

INPUT Y X1 X2 X3 X4 X5是指設定叫Y、X1、X2、X3、X4與X5的變數

CARD是指開始輸入我們的資料

2.執行逐步迴歸

PROC REG CORR是指執行迴歸分析，並要求計算相關係數矩陣

Model Y=X1 X2 X3 X4 X5是指模式的依變項為Y，

自變項為X1、X2、X3、X4與X5

STB SELECTION/STEPWISE是指要求計算出標準化的迴歸係數，並採用逐步法選擇變數

（2）報表

1.相關係數矩陣

包含依變項與所有的自變項

2.逐步法第一步

R平方解釋量為0.6810，C_p是用來判斷模型是否有很大偏誤的指標，比較少研究者提到

3.ANOVA摘要表

F檢定達顯著，表示第一步所選進來的自變項，整體模式不錯

4.迴歸係數摘要表

由此可知，選進來X4變項後，F值增加29.89，達顯著水準，表示選進來的自變項能讓模式更良好，X4的未標準化迴歸係數為0.689，標準誤為0.126

< body>