社會對心理學人才的需求，催生了更多考研心理學大軍，越來越多的考生加入到心理學的備考大軍中來。要在備考中成功打響第一槍，就要在起步備考中穩扎穩打，注重知識點的點滴積累。心理統計學是心理學的重要組成部分，多元統計分析初步是其中的重要知識點，下面小編就帶各位考生來重點學習一下。
| 多元統計分析初步 | 多元線性回歸分析 | 1.多元回歸及相關概念：在回歸分析中，若有兩個或以上的自變量，就成為多元回歸。 在需要用多個計量資料的自變量來解釋單個計量資料的因變量時，多元回歸是最適合的選擇；它能提供多個自變量對因變量的函數關系、提供多個備選的函數關系、提供每個關系式對實驗數據的解釋能力，研究者可以結合自己的理論語氣，據此做出選擇。 2.線性回歸模型的基本假設： A.解釋變量X是確定變量，不是隨機變量。 B.解釋變量之間互不相關，即無多重共線性。 C.隨機誤差服從0均值、同方差的正態分布，且不存在序列相關關系。 D.隨機誤差與解釋變量間不相關。 3.自變量的診斷及選擇： A.在進行回歸分析之前，需要確定自變量是否符合基本假設，這就是診斷過程，一般需要經過異常點診斷（檢測是否有個別觀測點與多數觀測點偏離很遠，或出現過失誤差）和共線性診斷（若自變量之間有較強相關關系，將很難求得理想回歸方程，共線性診斷便是先對自變量間的先慣性作出的判斷與剔除。） B.自變量的選擇方法有許多種，基本上都是基于決定系數R最大原則：最優方程選擇法；同時分析法（標準回歸）；逐步分析法（順向進入法-向前回歸、從無到有，反向淘汰法-向后回歸、逐一剔除）；逐步回歸法（先順向進入，再反向淘汰）；階層分析法（分層回歸）；最大R增值法（先找到最大的回歸方程，再增加變量）；最小R增值法等。 |
| 主成分分析 | 1.基本思想：利用降維的思想，在損失很少信息的前提下把多個指標化為幾個綜合指標；通常把轉化生成的綜合指標成為主成分，這樣在研究復雜問題時，就可以只考慮幾個少數的成分又不至于損失太多信息，從而更容易抓住主要矛盾，解釋事物內部變量之間的規律性。 2.一般地說，利用主成分分析得到的主成分與變量之間有如下關系： A.每一個主成分都是各原始變量的線性組合； B.主成分的數目大大少于原始變量的數目； C.主成分保留了原始變量的絕大多數信息； D.各主成分間互不相關，即無多重共線性。 |
希望通過小編今天的講解，能幫助各位考生深入了解多元統計分析的基本問題，在即將結束的打牢基礎階段拔得頭籌。夏季來臨，也許在天氣上會更加燥熱，但是考生們在知識的梳理上，是會越來越清爽的。
最后，預祝各位考生金榜題名，取得理想佳績!