一元线性回归模型的显著性检验，真的是搞回归绕不开的一环。线性方程的检验，说白了就是看看你那个回归线到底靠不靠谱。用的是t 检验和F 检验，搞清楚回归系数是不是显著不为零。嗯，别听起来吓人，其实你只要搞清楚每个系数的 p 值就差不多能判断了。

用SPSS或Clementine跑个模型快，输出也直观，懒得自己写代码的话这类工具还挺省事。尤其是你想快速验证某个变量对结果有没有实质影响，用这招蛮方便的。配合上作者提到的一些Python和MATLAB代码，想自己撸一遍算法也没压力。

对了，这篇内容还顺带列了不少扩展阅读，像是多元回归和方差、Python 线性回归代码都挺值得一看。看完你会更清楚什么时候用线性回归合适、怎么检验才靠谱。

如果你正在做数据挖掘的入门项目，或者在琢磨怎么解释模型结果，建议把这篇收进收藏夹，检验回归模型的基本操作全都有了，结合实战看更有感觉。