r是相关系数，r=∑(Xi-X)(Yi-Y)/根号[∑(Xi-X)×∑(Yi-Y)]，上式中”∑”表示从i=1到i=n求和。要求这个值大于5%。对大部分的行为研究者来讲，最重要的是回归系数。
r是线性回归方程的相关系数，描述线性关系的强度和方向。其值范围为-1到1之间，越接近于1或-1表示关系越强；越接近于0表示关系越弱。正值表示正相关，负值表示负相关。建议仔细看书，书上的例题更直观。
首先已知回归系数b1，讲方程逆推，自变量因变量互换，得到回归系数b2，相关系数r=sqr(b1*b2)(sqr是开平方的意思)，如此便可得到相关系数r。
1、判定系数检验。多元线性回归模型判定系数的定义与一元线性回归分析类似。
2、统计学里R^2表示：决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。如R平方为0.8，则表示回归关系可以解释因变量80%的变异。换句话说，如果我们能控制自变量不变，则因变量的变异程度会减少80%。
3、R^2判定系数就是拟合优度判定系数，它体现了回归模型中自变量的变异在因变量的变异中所占的比例。如R^2=0.99999表示在因变量y的变异中有9999%是由于变量x引起。
4、判定系数，也叫可决系数或决定系数，是指在线性回归中，回归平方和与总离差平方和之比值，其数值等于相关系数的平方。它是对估计的回归方程拟合优度的度量。为说明它的含义，需要对因变量y取值的变差进行研究。
5、判定系数r2是用于一元线性回归模型的显著性检验的指标。一元线性回归分析预测法，是根据自变量x和因变量Y的相关关系，建立x与Y的线性回归方程进行预测的方法。
1、R方值是评价的主要指标，F值，t值是两个检验，一般要小于0.05，F和t的显著性都是0.05。
2、F是方差检验，整个模型的全局检验，看拟合方程是否有意义T值是对每个自变量进行一个接一个的检验（logistic回归），看其beta值，即回归系数是否有意义F和T的显著性均为0．05，回归分析在科学研究领域是最常用的统计方法。
3、F是对回归模型整体的方差检验，所以对应下面的p就是判断F检验是否显著的标准，你的p说明回归模型显著。R方和调整的R方是对模型拟合效果的阐述，以调整后的R方更准确一些，也就是自变量对因变量的解释率为28%。
4、p=P(|U|=|u|)=|uα/2|)=α。r值是拟合优度指数，用来评价模型的拟合好坏等，取值范围是【-1，1】，越接近正负1越好，R平方=SSR/SST，其中SSR是回归平方和，SST是总离差平方和。