线性回归的因变量是连续数值型变量。 回归的分类见113985634
R方—变量之间是否有相关性
【模型汇总表】中R表示拟合优度，值越接近1表示模型越好（但不能说他们之间不相关，可能是非线性相关），一元线性回归里，相关系数平方就是R方。
多元线性回归中当自变量超过5个时，看调整后的R方。且R^2只是说明列入模型的解释变量对被解释变量的联合影响程度较大，并非说明模型中的各个解释变量对被解释变量的影响程度也大
一元线性回归中看R方。
回归系数的T检验：
T统计量>T临值，拒绝原假设，表明X对Y有显著的影响。
方差分析F检验—变量之间是否有线性关系
【Anova表】表示分析结果，主要看的是F和Sig值，F值对应的Sig值小于0.05就可以认为回归方程是有用的
回归系数t检验—回归方程的系数是否显著
【系数表】sig均小于0.05表示自变量对因变量有显著影响。
SPSS操作过程：
多重共线性是指各个解释变量之间有精确或者近似准确的线性关系。
不存在多重共线性则模型有效。
检验方法:
补救措施：
多重共线性诊断VIF结果显示
异方差性是指随机误差项ui。
v
a
r
(
u
i
)
=
s
i
g
m
a
2
var(u_{i})=sigma^{2}
var(ui)=sigma2表明是同方差性，也就是说相对于回归线被解释变量所有观测值的分散程度相同。
v
a
r
(
u
i
)
=
s
i
g
m
a
i
2
var(u_{i})=sigma_{i}^{2}
var(ui)=sigmai2表明是存在异方差性，异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化 的。
不存在异方差性则模型有效。
检验方法:
补救措施:
自相关性是指随机误差项
u
i
u_{i}
ui之间存在相关关系。
C
o
v
(
u
i
,
u
j
)
=
E
(
u
i
u
j
)
=
0
(
i
不
等
于
j
)
Cov(u_{i},u_{j})=E(u_{i}u_{j})=0 (i不等于j)
Cov(ui,uj)=E(uiuj)=0(i不等于j)
检验方法:
下述为 DW检验的详细操作
D-W系数测试的是变量的误差项是否存在一阶自相关，（自相关的影响见https://editor.csdn.net/md/?articleId=109826058），如果d=2则基本没有自相关关系，d靠近0存在正的相关关系，d靠近4则有负的相关关系。
局限性
当DW检验无法判断是否存在自相关性时，应该采用BG检验（检验方法3）。
补救措施：
