计算：
（1）t值
t=回归系数/回归系数的标准误；t=常数项/常数项的标准误；例：0.588/0.199=2.961
（2）VIF(方差膨胀因子）
对于VIF说明：其值介于1~之间。其值越大，自变量之间存在共线性的可能越大；
（3）R2
；它是判断线性回归直线拟合优度的重要指标，表明决定系数等于回归平方和在总平方和中所占比率，体现了回归模型所解释的因变量变异的百分比；例：R2=0.775，说明变量y的变异中有77.5％是由变量x引起的，R2=1，表明因变量与自变量成函数关系。
（4）调整R2
其中，k为自变量的个数；n为观测项目。自变量数越多，与R2的差值越大；例：
（5）F值
参考下方ANOVA表格(中间过程)
F=回归均方/残差均方;0.254/0.237=1.068
从上表可知，将价格,性能,品牌偏好作为自变量，而将笔记本是否购买作为因变量进行线性回归分析，从上表可以看出，模型公式为：笔记本是否购买=0.588 0.033*价格-0.116*性能 0.061*品牌偏好，模型R方值为0.032，意味着价格,性能,品牌偏好可以解释笔记本是否购买的3.2%变化原因。对模型进行F检验时发现模型并没有通过F检验(F=1.068， p=0.367>0.05)，也即说明价格,性能,品牌偏好并不会对笔记本是否购买产生影响关系，因而不能具体分析自变量对于因变量的影响关系，分析结束。
2.模型汇总(中间过程)
