一元线性回归的问题

常数项用来反映剩余回归的（抛去误差） 计算机检验剩余回归的时候是没有刨去误差的,做回归一定要看三项检验P值,系数检查（除去常数） 回归检查 剩余检查（失拟检查）一定是三项P值都满足才可以 认为回归是好的 否则...谢谢您的回答，我做的这个方程，回归系数0.994，相关系数0.949，P值几乎为0。我觉得这两个数据都还不错，但是就只是这个常数项的P值比较大，我也做了散点图，觉得图还可以，毕竟影响因素也不多，所以想问问，这个常数项的P值也是必须要小于0.05的吗？ 我看常数项假设是常数项等于0，p要是大于0.05，说明常数项等于0,因为我的常数项比较接近0，而P值又大于0.05，我能认为我的常数项只是比较接近0，这样可以吗？回归的决定系数r方检验等价于 回归方程（和）检验是不是回归方程检验通过，这个方程一定足够好呢？答案是N0 通过了此项检验 只能说明假设的线性模型在一定显著性水平下达到了要求，但还可能不是最好，我之前说过 一定要三个p值都好才是真正地最好！ 比如说你假设了一次函数模型， 系数项检验通过了（不包括常数项） 但常数项（剩余回归或者叫失拟检验）没通过，这说明什么，说明还可以拟合的更好。知道剩余和里面没什么可挖了那怎么才能确定是由于哪几个数据的问题引起的常数项检验不通过呢？我的自变量有83例，把残差较大的踢掉吗？可是我又没什么理由将这几例数据踢掉，都是在我统计的范围之内的。。。愁了。。。能留个邮箱什么的吗？谢谢可以这样处理： 1踢掉一些奇异点2 如果做的只是验证型试验（100%能肯定是一次模型），那么拟合差的解释只是实验精度比较差 （干扰因素太大）3 做回归检查时候，好多软件都会给出残差图 也会给出残差的正态性检验这个检验等价于剩余回归检验（也就是前面3个p值 的最后一个p值检验） 给出残差图，比较直观， 只有残差服从正态分布 才可以认为拟合最佳） 简言之：三个P检验 是分析回归的好坏的参数 分别用来说明1 是不是住因素2 总因素效应是否能解释目标值（是否值得拟合）3 剩余因素效应里面 还有没有空间可挖（拟合的足够好）