本栏第六篇数学建模学习笔记(六)多元回归分析算法(matlab )博文记录了如何在matlab中进行多元回归分析。 本文使用spss软件取得了同样的效果，比matlab更容易使用。
理论上，枯燥无味，难以理解。 不用说，直接举个例子。
1 .为了便于分析，数据源采用了树干直径、树干高度、树干体积三个变量。 树干的体积与树干的直径、高度有关。
2 .散点图粗略判断多元线性回归分析前，需要直观判断数据是否具有线性。 (否则，如果一眼就知道不是线性的，就没有必要线性回归。 散点图是一种比较方便的方法。
从图中可以看出，体积与直径线性关系明显，高度也有一定关系，因此继续进行线性回归分析。
3 .回归参数设置分析-回归-线性进入设置
检查所需参数。
4 .查看统计量模型汇总表：
r方表示线性拟合程度，越接近1越好；
德宾沃森指数表明，由于变量之间的独立性，越接近2越好；
f越大，表示回归方程越明显
认为Sig明显，sig0.05明显；
分散膨胀因子(VIF ) )。
两个因子共线存在，即一个量几乎可以近似为另一个量，相当于两个变量只发挥了一个变量的效果。
5 .当步分法变量y和自变量x的线性较差时，可以用步分法判断它们的x和y的线性明显。
在spss的参数设置页面中，可以选择“前进”或“后退”。 前进从少到多，后退从多到少。
如果设置为“执行”，则变量、一个变量以及两个变量显示不同的结果。 有助于剔除变量。