多元线性回归中，最好做一下Pearson检验，可以通过这个查看自变量之间以及自变量和应变量之间是否存在强相关性，对于看散点图，我的建议如果样本的数量不是很多，那就要看一下，主要是通过散点图看看有无异常点存在。

对于常数项问题，我不知道你是用什么软件做的，如果用SAS的话，他有个选项“noint”关键字，可以让你做没有常数项的线性回归，而不是简单的把常数项给去掉。

谢谢fxr007.

我是一个初学者,所以问题可能幼稚些.

我在想,单个变量与因变量做pearson检验(我的样本不多),如果二者相关性不强就不引进模型吗??可是它仍有可能与其他变量一起作用时影响显著啊,仅平pearson检验就把它剔除是不是有点...

常数项那个我是用spss做的,里面enter法没有可以用去除常数项的回归吧,该怎么办呢??

to jerryren：

“常数项那个我是用spss做的,里面enter法没有可以用去除常数项的回归吧,该怎么办呢??”

其实，spss－regression－ linaer 中的Opition 中，可以设定是否 include Constant in equation。just test it。

相关性分析，一种是自变量和应变量之间做相关性分析，另一种是自变量之间做相关性分析。我这里主要指的是第二种问题，

因为在多元线性回归中存在两个问题，1、是变量之间存在共线性问题。2、存在异常点。这两个都将导致方程的系数不稳定。

如果变量之间存在强线性关系，将会导致歧义矩阵，一般用主成分分析或者岭回归来解决。

存在异常点的话，可能会由于异常点的增加删除使得方程系数变化很大，当然这个方程是不可靠了。

我觉得你最好看一下这方面的原理，这样在使用软件的时候比较得心应手。