回归分析中得出一元线性关系，P为0.005，R为86.3%，紧接着的方差分析中P为0.000，请问这两个如何解读？感谢

1. 回归分析中得出一元线性关系，P为0.005，R为86.3%，紧接着的方差分析中P为0.000，请问这两个如何解读？感谢

第二张表的Coef代表回归系数：SE Coef 代表回归系数的标准误：T代表单样本T检验的T值，等于回归系数除以归系数的标准误；P代表单样本T检验的P值，若小于0.05表示回归系数明显大于0，也就是对应的自变量对模型有意义；反之则无意义。

R-Sq 也称为决定系数，等于回归方程的方差占总方差的比例，属于拟合优度指标，R-Sq = 86.3%表示DP可以解释单体的86.3%（最理想的情况是能解释100%），这表示模型的拟合度不错（如果样本量不太少的话，由于你的样本量为101，可以认为拟合度比较高）； R-Sq(adj) 为校正R-Sq ，用于比较不同模型的拟合度优劣。

方差分析用于检验回归方程是否明显优于随机猜测，这是一个总体检验，这就表示如果有多个自变量存在的话，这是对多个自变量构成的回归方程的一个总体检验。此外，还有对各个自变量回归系数的单样本 t 检验以考察各个自变量的显著性，这个问题上面已经说过了。

最后一张表格列出了异常值的数据点，其中第43和第79号数据点有大的标准化残差值；第99和第100号数据点不但有大的标准化残差值，且明显影响了回归系数的拟合。这表明你需要考虑是否还使用第99和第100号数据点来你和你的回归方程，你也可以考虑对原始数据进行转换（比如对数转换）看看能不能降低第99和第100号数据点对回归方程的影响；至于第43和第79号数据点可以暂不考虑；单体就是你的原始数据，Fit 代表模型拟合值，Residual为残差，等于原始数据减去型拟合值（Fit ）；St Resid为标准化残差值，也就是将Residual进行Z转换（或Z评分），大于2即表示该残差明显偏大。

2. 在进行回归分析时,已知回归方程y=0.5lnx-ln2,则在点(e^2,1)处的残差值为

△y=|y(e^2)-y^|
     =|1-(0.5lnx^-ln2)|
     =|1-(0.5*lne^2-ln2)|
    =|1-(0.5*2*lne-ln2)|
    =|1-1+ln2|
    =ln2