การวิเคราะห์ Multiple Regression มีวิธีวิเคราะห์ดังนี้

1. Enter Method เป็นการนำตัวแปรทั้งหมดทุกตัวเข้าในสมการ (Fit Model) แล้วพิจารณาจากผลการวิเคราะห์ต่อไป

2. การวิเคราะห์ Regression โดยพิจารณาตัวแปรอิสระบางตัวที่มีความสัมพันธ์กับตัวแปรตาม หรือ เป็นการหาสมการที่เหมาะสม โดยมีวิธีการคัดเลือกตัวแปรอิสระดังนี้

2.1 Forward Method เป็นการคัดเลือกตัวแปรอิสระเฉพาะที่มีความสัมพันธ์กับตัวแปรตามมากที่สุด เข้ามาในสมการก่อนแล้ว Fit สมการและทำการวิเคราะห์สมการโดยใช้ Overall F-Test จาก Model สมการที่ fit ในขั้นตอนนั้น และวิเคราะห์ partial t-test จากตัวแปรอิสระที่อยู่ในสมการทุกตัว และทำการวิเคราะห์ตัวแปรอิสระที่อยู่ในสมการทุกตัวและตัวแปรอิสระที่อยู่นอกสมการที่เหลืออีก 1 ตัว เพื่อคัดเลือกตัวแปรอิสระที่อยู่ภายนอกสมการที่ดีที่สุดเข้าในสมการ โดยพิจารณาค่า Maximum Partial t-test หรือ Minimum P-value (เฉพาะ p<0.05) ทำเช่นนี้เรื่อย ๆ ไป จนไม่มีตัวแปรอิสระที่สำคัญต่อตัวแปรตาม (p>0.05) จะหยุดทำ และดูสมการครั้งสุดท้าย ใช้สมการนั้น

2.2 Backward method เป็นการคัดเลือกตัวแปรทั้งหมดเข้ามาในสมการแล้วตัด ตัวแปรที่มีความสำคัญต่อตัวแปร Y น้อยที่สุดออกจากสมการ (เฉพาะ p>0.05 เท่านั้น) แล้ว Fit สมการใหม่ แล้วตัดตัวแปรอิสระที่มีความสัมพันธ์ต่อ Y น้อยที่สุดออกจากสมการเช่นนี้เรื่อย ๆ ไป จนเหลือแต่ตัวแปรอิสระที่อยู่ในสมการมีค่า Partial t-test p-value<0.05 ทุกตัว

2.3 Stepwise method เป็นการผสมผสานระหว่าง Forward และ Backward method โดยพิจารณาตัวแปรอิสระที่มีความสัมพันธ์ต่อ Y มากที่สุดเข้ามาในสมการ พิจารณาจาก Simple Correlation ระหว่างตัวแปรอิสระกับ Y มากที่สุดเข้ามาในสมการ พิจารณาจาก Simple Correlation ระหว่างตัวแปรอิสระกับ Y ที่สูงที่สุด ทำการ Fit Model แล้วทำการคัดเลือก ตัวแปรอิสระใหม่เข้ามาในสมการอีก (เหมือนกับ Forward Method) ในการวิเคราะห์ Model แต่ละครั้งถ้าพบว่ามีตัวแปรที่คัดเลือกมาในสมการไม่มีความสัมพันธ์ต่อ Y (ดูจาก Partial t-test) ตัวแปรอิสระนั้นจะถูกตัดออกจากสมการ

ตัวอย่างการวิเคราะห์ Multiple Regression และเปรียบเทียบผลที่เกิดขึ้นจากการวิเคราะห์ โดยใช้โปรแกรม SPSS/W (File: regress.sav)

X1
=
Number of Hospital beds
X2
=
Percent High-school graduates
X3
=
Civilian babor force
X4
=
Total Personal income (Million US$)
Y
=
Total Serious Crime
No
X1
X2
X3
X4
Y

1

2

3

4

5

6

7

8

9

10

11

12

13

70000

10000

110000

110000

70000

110000

30000

10000

20000

210000

10000

110000

100000

26

29

56

31

52

55

71

31

54

47

40

66

68

600

1500

800

800

600

900

1700

2200

1800

400

2300

900

800

60

52

20

47

33

22

6

44

22

26

34

12

12

785

743

1043

876

959

1092

1027

725

931

1159

838

1133

1094

Linear ดังภาพ

ภาพที่ 13-7 การวิเคราะห์ Multiple Regression

ที่ Statistics กำหนดดังภาพ

ภาพที่ 13-8 Dialog box ของ Statistics ใน Regression