做線性回歸的時候，檢驗回歸方程和各變量對因變量的解釋參數很容易搞混亂，下面對這些參數進行一下說明：
1.t檢驗：t檢驗是對單個變量系數的顯著性檢驗 一般看p值； 如果p值小於0.05表示該自變量對因變量解釋性很強。
2.F檢驗：F檢驗是對整體回歸方程顯著性的檢驗，即所有變量對被解釋變量的顯著性檢驗
3.P值：P值就是t檢驗用於檢測效果的一個衡量度，t檢驗值大於或者p值小於0.05就說明該變量前面的系數顯著，選的這個變量是有效的。
4.R方：擬合優度檢驗
5.調整后的R方：
小結：
t檢驗 --用於對各變量系數顯著性檢驗 --判斷標准：一般用p值 0.05來衡量 小於0.05 顯著 大於0.05不顯著
F檢驗 --整體回歸方程顯著性檢驗（所有自變量對因變量的整體解釋） --判定：
需查統計分布表來確定
P值：就是用於t檢驗和F檢驗的衡量指標。
R方：整體回歸方程擬合優度檢驗，R方的結果越接近於1越好，但是R方會因增加變量而增大，所以引進了調整R方檢驗。
調整R方：對R方檢驗的提升，避免受增加變量對R方的影響，配合向后刪除模型觀測。
不顯著的原因概述：不顯著有很多原因造成，可能是你的這個變量本身與被解釋變量沒有相關關系，所以不顯著；也可能是解釋變量過多，由多重共線性引起，也可能是其他原因。
以上觀點不一定完全正確，需進一步參考學習，歡迎大神來指正。
“
在進行多元線性回歸時，常用到的是F檢驗和t檢驗，F檢驗是用來檢驗整體方程系數是否顯著異於零，如果F檢驗的p值小於0.05，就說明，整體回歸是顯著的。然后再看各個系數的顯著性，也就是t檢驗，計量經濟學中常用的顯著性水平為0.05，如果t值大於2或p值小於0.05就說明該變量前面的系數顯著不為0，選的這個變量是有用的。
”
參考文獻：
F檢驗：
F檢驗（F-test）
最常用的別名叫做聯合假設檢驗（英語：joint hypotheses test），此外也稱方差比率檢驗、方差齊性檢驗。
它是一種在零假設（null hypothesis, H0）之下，統計值服從F-分布的檢驗。
其通常是用來分析用了超過一個參數的統計模型，以判斷該模型中的全部或一部分參數是否適合用來估計母體。
————————————————
原文鏈接：https://blog.csdn.net/sinat_25873421/article/details/80889757
R方，調整后的R放，F檢驗：
https://wenku.baidu.com/view/3310294377eeaeaad1f34693daef5ef7bb0d122f.html