,在回归分析中，如果对两个或两个以上的自变量对因变量影响现象进行分析，这就叫做多重线性回归。,一、多重线性回归模型的建立设因变量为y，自变量为x1和x2，则回归方程的一般形式为a+b1X1+b2X2。b1和b2叫做Y对X1与X2的偏回归系数。偏回归系数表示其它自变量假设不变时，某一个自变量变化而引起因变量变化的比率。在此模型中，b1的意义为：假设X2不变，X1变化一个单位则Y改变b1个单位。附例1,所求的回归方程中看如果b1b2，不能就判定自变量X1，在预测Y时起的作用大。因为两个自变量的单位不同，不能直接比较它们在估计Y时的贡献。若要进行这种比较，需将原始数据分别转换成标准分数，以标准分数建立的回归方程叫标准回归方程。一般形式为：ZY1ZX1+2ZX2。做了标准化变换，排除了量纲不同的影响，所以可以根据标准化回归系数的大小评价自变量对Y的贡献大小，21，所以可以认为X2对Y的影响比X1更大。,二、多重线性回归方程的检验(一)方差分析,（二）偏回归系数的显著性检验某一个偏回归系数不显著时回归方程可能仍然显著，因而在多重线性回归的检验中方差分析是对整个回归方程
