: 针叶林比例(%); : 造林面积(千亩/年); : 年采伐面积(千亩/年); : 火灾频数(次/年)。
注: 本例子引自 裴鑫德 编著,《多元统计分析及其应用》, 北京农业大学出版社, 1990年
本软件给出的回归分析有关的结果如下(与回归分析无关的内容未列出):
指标１名称: 森林覆盖率 单位: % 指标２名称: 针叶林比例 单位: % 指标３名称: 造林面积 单位: 万亩/年 指标４名称: 年采伐面积 单位: 千亩/年 指标５名称: 火灾频数 单位: 次/年 因素１名称: 山地比例 单位: %
因素２名称: 人口密度 单位: 人/平方公里 因素３名称: 人均收入增长率 单位: 元/年 因素４名称: 公路密度 单位: 100米/公顷 因素５名称: 前汛期降水量 单位: 厘米/年 因素６名称: 后汛期降水量 单位: 厘米/年 因素７名称: 月平均最低温度 单位: ℃
回归分析采用双重筛选逐步回归法, 显著性水平α＝0.05 自变量引入、剔除的临界值Ｆx＝2.000 因变量引入、剔除的临界值Ｆy＝2.500
对指标1～5拟建立回归方程分别为:
ｙ1 = b(0) + b(1)*Ｘ(1) + b(2)*Ｘ(2) + b(3)*Ｘ(3) + b(4)*Ｘ(4) + b(5)*Ｘ(5) + b(6)*Ｘ(6) + b(7)*Ｘ(7)
ｙ2 = b(0) + b(1)*Ｘ(1) + b(2)*Ｘ(2) + b(3)*Ｘ(3) + b(4)*Ｘ(4) + b(5)*Ｘ(5) + b(6)*Ｘ(6) + b(7)*Ｘ(7)
ｙ3 = b(0) + b(1)*Ｘ(1) + b(2)*Ｘ(2) + b(3)*Ｘ(3) + b(4)*Ｘ(4) + b(5)*Ｘ(5) + b(6)*Ｘ(6) + b(7)*Ｘ(7)
ｙ4 = b(0) + b(1)*Ｘ(1) + b(2)*Ｘ(2) + b(3)*Ｘ(3) + b(4)*Ｘ(4) + b(5)*Ｘ(5) + b(6)*Ｘ(6) + b(7)*Ｘ(7)
ｙ5 = b(0) + b(1)*Ｘ(1) + b(2)*Ｘ(2) + b(3)*Ｘ(3) + b(4)*Ｘ(4) + b(5)*Ｘ(5) + b(6)*Ｘ(6) + b(7)*Ｘ(7)
----- 计算第１组回归方程 -----
第１步, 引入方程项: ｙ1 已引入因变量ｙ的序号: １ 已引入自变量Ｘ的序号:
第２步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(3)＝ 4.541e-2 Ｖx(5)＝ 0.2868 Ｖx(7)＝ 0.4082 Ｖx(4)＝ 0.4104 Ｖx(6)＝ 0.4731 Ｖx(2)＝ 0.5998 Ｖx(1)＝ 0.8810
未引入项中, 第１项[Ｘ(1)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(1)＝74.00, 引入临界值Ｆx＝2.000, Ｆax(1)＞Ｆx, 可以引入第１项。
第３步, 引入方程项: Ｘ(1) 已引入因变量ｙ的序号: １ 已引入自变量Ｘ的序号: １
第４步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-7.400 Ｖx(5)＝ 1.359e-3 Ｖx(6)＝ 2.254e-2 Ｖx(3)＝ 4.720e-2 Ｖx(2)＝ 0.2260 Ｖx(7)＝ 0.2306 Ｖx(4)＝ 0.2372
已引入项中, 第１项[Ｘ(1)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(1)＝74.00, 剔除临界值Ｆx＝2.000,
Ｆex(1)＞Ｆx, 不能剔除第１项, 检查是否可以引入其他自变量。 未引入项中, 第４项[Ｘ(4)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(4)＝2.798, 引入临界值Ｆx＝2.000, Ｆax(4)＞Ｆx, 可以引入第４项。
第５步, 引入方程项: Ｘ(4) 已引入因变量ｙ的序号: １ 已引入自变量Ｘ的序号: １,４
第６步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-5.492
Ｖx(4)＝-0.3109 Ｖx(5)＝ 1.370e-8 Ｖx(6)＝ 6.972e-3 Ｖx(2)＝ 4.284e-2 Ｖx(3)＝ 9.849e-2 Ｖx(7)＝ 0.2536
已引入项中, 第４项[Ｘ(4)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(4)＝2.798, 剔除临界值Ｆx＝2.000,
Ｆex(4)＞Ｆx, 不能剔除第４项, 检查是否可以引入其他自变量。 未引入项中, 第７项[Ｘ(7)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(7)＝2.718, 引入临界值Ｆx＝2.000, Ｆax(7)＞Ｆx, 可以引入第７项。
第７步, 引入方程项: Ｘ(7) 已引入因变量ｙ的序号: １ 已引入自变量Ｘ的序号: １,４,７
第８步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-4.767 Ｖx(4)＝-0.3513 Ｖx(7)＝-0.3398 Ｖx(2)＝ 5.297e-2 Ｖx(5)＝ 6.120e-2 Ｖx(6)＝ 0.1234 Ｖx(3)＝ 0.1380
已引入项中, 第７项[Ｘ(7)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(7)＝2.718, 剔除临界值Ｆx＝2.000,
Ｆex(7)＞Ｆx, 不能剔除第７项, 检查是否可以引入其他自变量。 未引入项中, 第３项[Ｘ(3)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(3)＝1.120, 引入临界值Ｆx＝2.000,
Ｆax(3)≤Ｆx, 不能引入第３项, 检查是否可以引入其他因变量。
第９步, 因变量ｙ引入或剔除判别: 各项的判别值(升序排列): Ｖy(1)＝-13.75 Ｖy(5)＝ 0.2198 Ｖy(3)＝ 0.2859 Ｖy(2)＝ 0.5592 Ｖy(4)＝ 0.5895
已引入项中, 第１项[ｙ1]Ｖy值（＜0）的绝对值最小, 剔除检验值Ｆey(1)＝36.68, 剔除临界值Ｆy＝2.500,
Ｆey(1)＞Ｆy, 不能剔除第１项, 检查是否可以引入其他因变量。 未引入项中, 第４项[ｙ4]Ｖy值（≥0）的绝对值最大,
引入检验值Ｆay(4)＝3.350, 引入临界值Ｆy＝2.500, Ｆay(4)＞Ｆy, 可以引入第４项。
第10步, 引入方程项: ｙ4 已引入因变量ｙ的序号: １,４ 已引入自变量Ｘ的序号: １,４,７
第11步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-8.013 Ｖx(4)＝-0.8942 Ｖx(7)＝-0.7008 Ｖx(6)＝ 0.1388 Ｖx(2)＝ 0.3799 Ｖx(5)＝ 0.4204 Ｖx(3)＝ 0.4595
已引入项中, 第７项[Ｘ(7)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(7)＝2.453, 剔除临界值Ｆx＝2.000,
Ｆex(7)＞Ｆx, 不能剔除第７项, 检查是否可以引入其他自变量。 未引入项中, 第３项[Ｘ(3)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(3)＝2.551, 引入临界值Ｆx＝2.000, Ｆax(3)＞Ｆx, 可以引入第３项。
第12步, 引入方程项: Ｘ(3) 已引入因变量ｙ的序号: １,４ 已引入自变量Ｘ的序号: １,３,４,７
第13步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-7.721 Ｖx(7)＝-1.304 Ｖx(4)＝-0.8840 Ｖx(3)＝-0.8502 Ｖx(6)＝ 0.1487 Ｖx(5)＝ 0.3635 Ｖx(2)＝ 0.5014
已引入项中, 第３项[Ｘ(3)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(3)＝2.551, 剔除临界值Ｆx＝2.000,
Ｆex(3)＞Ｆx, 不能剔除第３项, 检查是否可以引入其他自变量。 未引入项中, 第２项[Ｘ(2)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(2)＝2.514, 引入临界值Ｆx＝2.000, Ｆax(2)＞Ｆx, 可以引入第２项。
第14步, 引入方程项: Ｘ(2)
已引入因变量ｙ的序号: １,４
已引入自变量Ｘ的序号: １,２,３,４,７
第15步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-6.973 Ｖx(7)＝-1.798 Ｖx(3)＝-1.301 Ｖx(2)＝-1.006 Ｖx(4)＝-9.920e-2 Ｖx(6)＝ 0.1563 Ｖx(5)＝ 0.5073
已引入项中, 第４项[Ｘ(4)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(4)＝0.2480, 剔除临界值Ｆx＝2.000, Ｆex(4)≤Ｆx, 需要剔除第４项。
第16步, 剔除方程项: Ｘ(4) 已引入因变量ｙ的序号: １,４ 已引入自变量Ｘ的序号: １,２,３,７
第17步, 自变量Ｘ引入或剔除判别: 各项的判别值(升序排列): Ｖx(1)＝-6.465 Ｖx(2)＝-2.438 Ｖx(7)＝-1.794 Ｖx(3)＝-1.293 Ｖx(4)＝ 9.025e-2 Ｖx(6)＝ 0.1959 Ｖx(5)＝ 0.4328
已引入项中, 第３项[Ｘ(3)]Ｖx值（＜0）的绝对值最小, 剔除检验值Ｆex(3)＝3.878, 剔除临界值Ｆx＝2.000,
Ｆex(3)＞Ｆx, 不能剔除第３项, 检查是否可以引入其他自变量。 未引入项中, 第５项[Ｘ(5)]Ｖx值（≥0）的绝对值最大, 引入检验值Ｆax(5)＝1.907, 引入临界值Ｆx＝2.000,
Ｆax(5)≤Ｆx, 不能引入第５项, 检查是否可以引入其他因变量。
第18步, 因变量ｙ引入或剔除判别: 各项的判别值(升序排列): Ｖy(1)＝-16.34 Ｖy(4)＝-6.328 Ｖy(5)＝ 0.2662 Ｖy(2)＝ 0.4603 Ｖy(3)＝ 0.6480
已引入项中, 第４项[ｙ4]Ｖy值（＜0）的绝对值最小,