线性回归分析
1.每天手机阅读频率与手机阅读获得满足的线性回归分析
【注解】从散点图可知：每天手机阅读频率与手机阅读获得满足相关性小。
率P值=0.575，,小于显著水平0.01，应接受原假设，即每天手机阅读频率与手机阅读获得满足没有显著的相关性。
【注解】上图显示是回归分析方法引入变量的方式
【注解】上图是回归方程的拟合优度检验。
第二列：两变量的相关系数R=0.026
第三列：被解释变量和解释变量的判定系数R方=0.001是一元线性回归方程拟合优度检验的统计量；判定系数远离1，说明回归方程对样本数据的拟合优度越低，被解释变量可以被模型接受的部分较少。
第四列：被解释变量和解释变量的调整判定系数R方=-0.001。
第五列：回归线性方程的估计标准误差=1.050。
【注解】上图是回归方程的整体显著性检验—回归分析的方差分析。
第二列：被解释变量的总离差平方和=504.446；被分解为两部分：回归平方和=0.346，剩余平方和=507.099。
F检验统计量的值=0.017，对应的概率P=0.797，大于0.05，应接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著，不可建立线性模型。
【注解】回归方程的线性回归系数和常项的估计值，以及回归系数的线性显著检验。
第二列：常数项估计值=2.582:；回归系数估计值=0.61。
第三列：回归系数的标准误差=-0.048
第四列：标准化回归系数=-0.026
第五﹑六列：回归系数T检验的t统计量值=-561，对于的概率P值=0.575，大于显著性水平0.05，
接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著。
Yi^=2.582-0.027x
2.手机是3G与手机屏幕大小满意度的一元线性分析
【注解】从散点图可知：手机是3G与手机屏幕大小满意度相关性小。
【注解】相关变量的Pearson 相关系数=0.012＞0，表示呈正相关；相关系数检验对应的概率P值=0.797，,大于显著水平0.01，应拒绝原假设，即手机是3G与手机屏幕大小满意度之间具有显著的相关性。
【注解】上图是回归方程的拟合优度检验。
第二列：两变量的相关系数R=0.012
第三列：被解释变量和解释变量的判定系数R方=0.000是一元线性回归方程拟合优度检验的统计量；判定系数远离1，说明回归方程对样本数据的拟合优度越低，被解释变量可以被模型接受的部分较少。
第四列：被解释变量和解释变量的调整判定系数R方=-0.002。
第五列：回归线性方程的估计标准误差=0.499。
【注解】上图是回归方程的整体显著性检验—回归分析的方差分析。
第二列：被解释变量的总离差平方和=111.520；被分解为两部分：回归平方和=0.017，剩余平方和=111.503。
F检验统计量的值=0.066，对应的概率P=0.797，大于0.05，应接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著，不可建立线性模型。
【注解】回归方程的线性回归系数和常项的估计值，以及回归系数的线性显著检验。
第二列：常数项估计值=1.431；回归系数估计值=0.007。
第三列：回归系数的标准误差=-0.027
第四列：标准化回归系数=-0.012
第五﹑六列：回归系数T检验的t统计量值=0.258，对于的概率P值=0.797，大于显著性水平
0.05，接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著。
Yi^=1.431+0.007x
3.手机阅读年限与增加知识﹑开阔眼界的一元线性分析
【注解】从散点图可知：手机阅读年限与增加知识﹑开阔眼界相关性小。
【注解】相关变量的Pearson 相关系数=-0.044＜0，表示呈负相关；相关系数检验对应的概率P值=0.343，,小于显著水平0.01，应接受原假设，即有手机阅读年限与增加知识﹑开阔眼界之间没有显著的相关性。
【注解】上图是回归方程的拟合优度检验。
第二列：两变量的相关系数R=0.044
第三列：被解释变量和解释变量的判定系数R方=0.000是一元线性回归方程拟合优度检验的统计量；判定系数远离1，说明回归方程对样本数据的拟合优度越低，被解释变量可以被模型接受的部分较少。
第四列：被解释变量和解释变量的调整判定系数R方=0.002。
第五列：回归线性方程的估计标准误差=1.062。
【注解】上图是回归方程的整体显著性检验—回归分析的方差分析。
第二列：被解释变量的总离差平方和=525.597；被分解为两部分：回归平方和=1.015，剩余平方和=524.583。
F检验统计量的值=0.900，对应的概率P=0.343，大于0.05，应接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著，不可建立线性模型。
【注解】回归方程的线性回归系数和常项的估计值，以及回归系数的线性显著检验。
第二列：常数项估计值=2.833；回归系数估计值=-0.042。
第三列：回归系数的标准误差=-0.044
第四列：标准化回归系数=-0.044
第五﹑六列：回归系数T检验的t统计量值=-0.948，对于的概率P值=0.343，小于显著性水平
0.05，拒绝原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著。
Yi^=2.833-0.042x