我們將著重在討論價格為35000元(單位：美金)以下之汽車。首先我們先將資料做篩選。篩選與排序 =>變數 =>全選所有的變數拖曳至右邊 =>篩選條件 =>選擇「Invoice35000」 =>確定。完成之後，即可將所有價格小於35000元的汽車篩選出來。

接著，我們把反應變數(EngineSize)取log，並將產生出新變數且命名為EngineSize_log。從「查詢產生器」 =>將變數「Invoice」至「Length」拖曳至右邊à按右邊「計算機」一下 =>進階運算式 =>下一步

 =>函數 =>將「f(.) LOG函數」連點兩下，將自動跳至上面視窗 =>從t1裡找到EngineSize後連點兩下，將自動跳至上面視窗 =>下一步 =>欄名稱命名為「EngineSize_log」後 =>完成。

由於MPG_City及MPG_Highway有共線性之問題，因此我們只選擇MPG_Highway變數。

再來，針對解釋變數Weight來做轉換，處理方法同EngineSize；將新變數命名為Weight_log。完成之後，我們將在右邊欄名稱的位置看到新增的二個變數，確認沒有問題後 =>執行。

再一次來進行迴歸分析。分析 =>迴歸 =>線性迴歸 =>資料：EngineSize_log選至應變數；其他的變數(Invoice、Cylinders、Horsepower、MPG_Highway、Wheelbase、Length、Weight_log)選至解釋變數 =>統計值：勾選「變異數膨脹值」、「不等變異性檢定」、「Durbin-Watson統計值」 =>執行。

估計結果如下表：

變數：Invoice、Cylinders、Horsepower、Length、Weight_log均為顯著，但是Wheelbase及MPG_Highway並未達顯著。

變異數檢定結果為變異數一致，而DW檢定結果為觀測的殘差值之間為獨立。如下表：

我們亦可以從殘差圖來看預測的EngineSize_log與殘差之間的關係：

在Q-Q plot裡，其資料分佈看起來亦服從常態的假設。

其他變數與殘差之間的關係，看起來分散的很均勻。

將EngineSize以來表示，所以目前的迴歸模型為：

下一章節我們將討論模型選取。