模型Ⅱ回归适用于在回归方程中两个变量都是随机时，即不由研究人员控制时，应使用该回归，其具体包括：ordinaryleast squares (OLS), major axis(MA), standard major axis (SMA), and ranged major axis (RMA)，我们这里说的RMA实为SMA。

下面是关于该类回归的一些操作，这里采用两组数据

#需要使用lmodel2包:下载并导入

 install.packages（”lmodel2”）

 library (lmodel2)

#导入数据，自行导入。

result<- lmodel2(y~ x, data=你的数据名字, nperm=99)

result #第一组的结果

result1<- lmodel2(y~ x, data=你的数据名字, nperm=99)

result1#第二组的结果

  到这里，关于这样的回归已经做完，SMA这一项就是我们说需要的压轴回归所需的结果，但是往往在我们常用的时候还需要加图，比如在生物学Rensch法则等研究中常需要作图，下面是作图的命令，

#先做散点图，这里作图以做两组数据散点图和直线为例子

  plot(x, y, pch=16)#括号里面可以添加点的类型大小等命令，按照自己的意愿

  par（new=TRUE）#这一命令是让下一组的散点落在同一图框里的命令

  plot（x1,y1）

#添加线，关于result$regression.results[3,2]这个是自动识别result是模型2结果的截距，后面直接识别斜率，也可以自己在后面跟着写线类型等命令

  abline(result $regression.results[3,2], result$regression.results[3,3],lty=1, lwd=2)

  abline(result1$regression.results[3,2], result1$regression.results[3,3],lty=, lwd= )

！！在这里顺便介绍一个小软件，是RMA software，这个专门做模型2回归RMA的，不能画图只能出结果，并且把自己的数据，Y保存在第一列，X保存在第二列就可以了以文本文档的形式保存与小程序保存在一起，运行后输入文本名字（我一般保存为1，直接输入1并enter就可）后，再确定运行，这样就出来结果。

由于笔者水平有限，文中的错误之处以及被复杂化的部分，还请各位读者指正。