🐟 請您尊重本網站的智慧財產權，如有任何引用，請註明出處：Dr. Fish 漫游社會統計。（文章發表日期）。文章名稱。文章網址
線性迴歸
最小平方迴歸線可用來估計不在樣本裡的單一自變項數值的預測區間，不過計算預測區間時無法使用作為整體預測誤差測量的估計標準誤。由於個別自變項數值會隨著其與自變項平均數間的距離而有不同的誤差估計，所以個別預測的標準誤須做相應的調整後才能計算出預測區間。
完全關係
相關
皮爾森積差相關係數並不是母群體相關係數的不偏誤估計值，尤其是在樣本數很小的時候。為了能夠更正確地估計母群體相關係數，可以使用調整後相關係數，是一個去除偏誤的相關係數。調整後相關係數的計算公式很簡單，也可利用SPSS輸出的模型摘要裡的調整後R平方來計算取得。
相關
相關係數的種類很多，其選擇最主要受到資料的分布型態和測量尺度的影響。不同的測量尺度有各自適用的相關係數，包括phi係數、點二系列相關係數、斯皮爾曼等級相關係數、肯德爾等級相關係數和皮爾森積差相關係數，而本篇文章將對測量尺度和相關係數的選擇做一彙整。
相關係數
皮爾森積差相關係數的假設檢定用來檢驗兩個變項間的關係是否真實地存在於母群體中，可分為虛無假設主張ρ為0和ρ為其他數值的兩種情況。若虛無假設主張ρ為0，假設檢定使用ｔ分配和ｔ檢定統計量；若虛無假設主張ρ為其他數值，假設檢定則使用常態分配和標準分數。
線性迴歸
估計標準誤是在最小平方迴歸線建立之後，用來測量預測誤差的一個量化數值。若估計標準誤的數值愈大，代表預測誤差愈大，預測愈沒有信心；相反地，若數值愈小，代表預測誤差愈小，則預測的準確性愈高。為了使該數值有意義，資料必須滿足同質性或變異數同質性的假設。