线性回归分析的前提是因变量的变异相等，即等方差，否则使用加权最小二乘法分析，WLS基本思想就是使变异度较大的观察值对分析所产生的影响小，变异度小的观察值对分析产生的影响大，这样比较均衡，利于分析，方法就是以方差的倒数作为权重。方法/步骤1/6分步阅读

调出相关窗口。

2/6

选择自变量、因变量，加权变量。

加权变量是可以是自变量，也可以是其他变量，具体情况具体分析，通常都是自变量。

幂的范围：系统默认幂次范围在-2—2之间，步长为0.5。

3/6

对数似然值：计算每一步中的对数似然值，可见，对于幂为2时，算出的对数似然比值最大。具体到底何值时最大，在前面的设置中可把“幂的范围扩大，不仅限于-2--+2之间”。

4/6

加权回归分析结果：常数为2.8、对应系数为1.218。

方差分析中的计算概率为0，小于显著性水平0.05，说明回归模型有效。

模型摘要：其中的调整R方位0.956，很大，模型拟合很好。

5/6

线性回归分析的结果：

常数为3.026、系数1.13，与前面的加权回归方程有点区别。

6/6

如何选择适当的模型？主要在于观察残差是否合理，比如先用线性回归分析知，然后画出残差图，见图片。

此原始数据共有25组，但只显示了22组，说明有些数据是重复的，观察可知，其中的值不是随机分布在0的附近，所以不可用简单的线性回归分析，要用加权回归分析。

spss加权