线性回归模型建好后，要知道这个模型好不好，需要通过统计结果来分析。
工具/原料
Python
方法/步骤
1、例如有如下多元线性回归模型结果
2、可分为三部分理解模型整体显著性检验
3、模型自变量系数估计及检验
4、模型残差检验
5、实际分析中，重点关注红框部分的统计值就好，具体说明如下：R-s孥恶膈茯quared用以检验回归方程的显著性，取值范围0≤R²≤1，当R²&g墉掠载牿t;8说明模型显著性较强，当6<R²≤8说明模型显著性一般，当R²≤6说明模型显著性较弱，模型不可用，应考虑换其他模型，或参数估计方法不恰当，应考虑换其他方法等。Prob(F-statistic)F检验的P值当Prob(F-statistic)<α时,表示拒绝原假设,即认为模型是显著的;当prob(F-statistic)>α时,表示接受原假设,即认为模型不是显著的。α一般为0.01,0.05P＞|t|判断每个自变量与因变量的线性显著关系这里“P＞|t|”<0.05表示该偏回归系数统计有效，否则统计无效。