回归方程显著性检验

变量系数的显著性检验采用t检验，模型方程显著性采用F检验，t检验常能用作检验回归方程中各个参数的显著性，而f检验则能用作检验整个回归关系的显著性。

各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分别对被解释变量有显著的线性关系。

1.回归分析就是研究一个或多个变量的变动对另一个变量的变动的影响程度的方法。

2.相关分析是根据统计数据，通过计算分析变量之间关系的方向和紧密程度，而不能说明变量之间相互关系的具体形式，无法从一个变量的变化来推测另一个变量的变化情况。

回归分析能够确切说明变量之间相互关系的具体形式，可以通过一个相关的数学表达式，从一个变量的变化来推测另一个变量的变化情况，使估计和预测成为可能。

相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。

3.回归分析的目的：根据已知的资料或数据，找出变量之间的关系表达式(找到回归方程)，用自变量的已知值去推测因变量的值或范围(进行预测)，实际上是研究因果关系。

4.回归分析可以解决的问题：

确定因变量与若干个自变量之间联系的定量表达式，即回归方程或数学模型。

通过控制可控变量的数值，借助数学模型来预测或控制因变量的取值和精度。

进行因素分析，从影响因变量变化的自变量中区分出重要因素和次要因素。

5.一元线性回归方程可以看出，一元线性回归分析是在不考虑随机因素条件下进行分析的，所以是在比较理想状态下的分析。

6.线性回归方程的统计检验

通过样本数据建立的回归方程，不能立即用于对实际问题的分析和预测，还需要进行各项统计检验。回归方程的拟合优度检验

拟合优度检验采用判定(决定)系数R2和调整判定(决定)系数adjust-R来检验。其中R是自变量x和因变量y之间的相关系数。R2和调整判定(决定)系数adjust-R取值范围是0~1，越接近1表示拟合优度越高，反之就越低。