最大携氧能力（maximal aerobic capacity，VO2 max）是评价人体健康的关键指标，但测量方法复杂，不易实现。具体原因在于，它不仅需要昂贵的试验设备，还需要研究对象运动到个人承受能力的极限，无法测量那些没有运动意愿或患有高危疾病无法运动的研究对象。因此，某研究者拟通过一些方便、易得的指标建立研究对象最大携氧能力的预测模型。该研究者共招募100位研究对象，分别测量他们的最大携氧能力（VO2 max），并收集年龄（age）、体重（weight）、运动后心率（heart_rate）和性别（gender）等变量信息。部分数据图1。

图1 部分数据

研究者想根据一些变量（age、weight、heart_rate和gender）预测另一个变量（VO2 max）。针对这种情况，可以使用多重线性回归分析，但需要先满足以下8项假设：

假设1：因变量是连续变量。

假设2：自变量不少于2个（连续变量或分类变量都可以）。

假设3：各观测值之间相互独立，即残差之间不存在自相关。

假设4：因变量和自变量之间存在线性关系。

假设5：残差的方差齐。

假设6：不存在多重共线性。

假设7：没有显著异常值。

假设8：残差近似正态分布。

假设1和假设2与研究设计有关。本研究数据符合假设1和2。如何考虑假设3-8呢？

SPSS运行多重线性回归后，可以在结果中检验假设3-8。

在主界面点击Analyze→Regression→Linear，在Linear Regression对话框中，将因变量（VO2 max）放入Dependent栏，再将自变量（age，weight，heart_rate和gender）放入Independent栏。如图2。