社会对心理学人才的需求，催生了更多考研心理学大军，越来越多的考生加入到心理学的备考大军中来。要在备考中成功打响第一枪，就要在起步备考中稳扎稳打，注重知识点的点滴积累。心理统计学是心理学的重要组成部分，多元统计分析初步是其中的重要知识点，下面作者就带各位考生来重点学习一下。

多元统计分析初步多元线性回归分析1.多元回归及相关概念：在回归分析中，若有两个或以上的自变量，就成为多元回归。 在需要用多个计量资料的自变量来解释单个计量资料的因变量时，多元回归是最适合的选择；它能提供多个自变量对因变量的函数关系、提供多个备选的函数关系、提供每个关系式对实验数据的解释能力，研究者可以结合自己的理论语气，据此做出选择。 2.线性回归模型的基本假设： A.解释变量X是确定变量，不是随机变量。 B.解释变量之间互不相关，即无多重共线性。 C.随机误差服从0均值、同方差的正态分布，且不存在序列相关关系。 D.随机误差与解释变量间不相关。 3.自变量的诊断及选择： A.在进行回归分析之前，需要确定自变量是否符合基本假设，这就是诊断过程，一般需要经过异常点诊断（检测是否有个别观测点与多数观测点偏离很远，或出现过失误差）和共线性诊断（若自变量之间有较强相关关系，将很难求得理想回归方程，共线性诊断便是先对自变量间的先惯性作出的判断与剔除。） B.自变量的选择方法有许多种，基本上都是基于决定系数R最大原则：最优方程选择法；同时分析法（标准回归）；逐步分析法（顺向进入法-向前回归、从无到有，反向淘汰法-向后回归、逐一剔除）；逐步回归法（先顺向进入，再反向淘汰）；阶层分析法（分层回归）；最大R增值法（先找到最大的回归方程，再增加变量）；最小R增值法等。主成分分析1.基本思想：利用降维的思想，在损失很少信息的前提下把多个指标化为几个综合指标；通常把转化生成的综合指标成为主成分，这样在研究复杂问题时，就可以只考虑几个少数的成分又不至于损失太多信息，从而更容易抓住主要矛盾，解释事物内部变量之间的规律性。 2.一般地说，利用主成分分析得到的主成分与变量之间有如下关系： A.每一个主成分都是各原始变量的线性组合； B.主成分的数目大大少于原始变量的数目； C.主成分保留了原始变量的绝大多数信息； D.各主成分间互不相关，即无多重共线性。

希望通过作者今天的讲解，能帮助各位考生深入了解多元统计分析的基本问题，在即将结束的打牢基础阶段拔得头筹。夏季来临，也许在天气上会更加燥热，但是考生们在知识的梳理上，是会越来越清爽的。预祝各位考生金榜题名，取得理想佳绩!