Chapter 4 线性回归
4.1 线性回归基本过程介绍
在正式进行线性回归分析前，一般建议对数据进行一些探索性的相关分析，可以通过散点图看看线性趋势。
进入“相关分析与散点图”模块后，仅需要选入x轴变量，y轴变量，以及是否要在图中显示相关系数与拟合趋势线！
接着页面右侧就生成了对应的散点图！
图形中的点、线、置信区间颜色均支持修改，默认情况下三者都是黑色。
完成相关分析与绘制散点图之后，我们就可以进行多重线性回归了！
4.2 线性回归自变量筛选
首先，选入变量，包括因变量、定量自变量、分类自变量
其次，选择自变量的筛选方式，包括P阈值，回归方法。
P阈值决定了单因素分析时，P值小于多少会进入多因素回归，一般为0.05，在变量过少时，也可以放宽要求，0.1，0.2也是有的。
回归方法有先单后多（选”否”），双向逐步回归，向前逐步回归，向后逐步回归，根据P<0.05筛选。
4.4 开展逐步回归方法分析
逐步回归方法，平台也提供了多种选择：双向逐步回归，向前逐步回归，向后逐步回归以及考虑到有时P值大于阈值的变量在逐步回归时也会留在模型中，新增了根据P<0.05的原则开展逐步回归！
注：先单后多与逐步回归是两种不同的自变量筛选方式，先单后多主要根据单因素P阈值进行筛选；逐步回归则是通过变量的逐个纳入与剔除，以AIC值最小作为最优模型选择准则。因此有些变量P值大于预设的阈值但仍保留在逐步回归模型中也是正常的哦，想要避免这种情况的发生，可以选择”根据P<0.05筛选”的逐步回归！
