回归分析论文
Mean Square表示均方（MS），均方等于平方和除以自由度。Error MS=19.47466/28=0.69552，它是模型中误差方差的估计。
F Value和Pr>F项给出了检验统计量的F值及相应的P值。F值等于MMS（模型均方）除以EMS（误差均方），它用于检验这样的假设：该回归模型是显著的。对于这组数据拟合后F值等于12.16，相应的P值小于0.0016，说明拟合的模型解释了这组数据总偏差的主要部分。R-Square（R平方）和Adj R-Sq（调整后的R平方）：它们评价模型优劣的量，R平方等于Model SS除以Total SS。因为Total SS=Model SS+ Error SS，所以R平方是Total SS中由Model SS构成的比值。换句话说，R平方是总偏差中有模型中那些变量引起的百分率。
R平方的取值范围为0到1；它越接近1，表示该模型越能解释这组数据的偏差。改组数据拟合后的R平方等于0.3027，调整后的R平方等于0.2778，说明拟合的模型不太好，原因可能是某些数据有误，导致结果的不完美。
在参数估计（Parameter Estimates）输出的部分主要给出了回归模型的系数以及系数是否显著地不为零。下面给出具体解释。Variable（变量）和Parameter为0，标记Variable的列给出了直线拟合的方程式中这些系数相应的变量。标记为Parameter Estimate（参数估计）的列给出了这些系数的参数估计值。截距在V ariable列用INTERCEPT标识。斜率在Variable列中用变量名标识。故简单的回归模型为：
wendu=-96.38351+0.06133nianfen
Standard是这些参数估计的标准误差，它可用来构造参数估计的置信