2.2 应用SPSS 13.0的Linear Regression过程进行多重共线性诊断 特征值(Eigenvalues) 和条件指数(Condition Index)是检验多重共线性问题的两个指标。如果多个维数的特征 根越接近零，或条件指数大于15，表示可能存在严重的共线性问题。偏相关(Partial corr elation)是指从两个变量的相关系数中去掉它们与其他变量的共同相关后的剩余值。部分 相关(Part correlation)是指在回归方程中排除其他自变量的线性效应后，每个自变量与 因变量的相关度。在SPSS Linear Regression对话框中，保持默认的Method选项：Enter， 要求全部自变量进入回归方程，得结果如表2所示，维数躯体疾病、心理障碍的特征根约等 于零、条件指数大于15，绝大部分预测变量的偏相关与部分相关系数明显低于零阶(Zero-o rder)系数(见表2)，即进入回归方程的这些自变量所解释的因变量的大部分变异可被其他变 量解释，表明用现在的自变量进行多元回归建立的回归方程可能会存在严重的多重共线性问 题。因此我们考虑用一种可以消除共线性影响的方法，即主成分回归分析。

    2.3 使用SPSS Factor Analysis、Linear Regression和ComputeVariable过程，对自变量 进行主成分分析、主成分回归分析 经SPSS 13.0的Factor Analysis和Linear Regression 过程运算后结果如表3、表4所示 ......