1.标准误差

指回归直线，即估计值与因变量值间的平均平方误差。
$SE=\sqrt\frac{\sum(y-\hat y)^2}{n-2}$

2.可决系数

衡量因变量与自变量关系密切程度的指标，表示自变量解释因变量变动的百分比， $R^2$高表明该模型把y的变动解释的很好，可决系数是相关系数的平方。
$R^2=[\frac{\sum(x-\bar x)(y-\bar y)} {\sqrt {\sum(x-\bar x)^2} \sqrt{(y-\bar y)^2}}]^2$

3.相关系数

是测定自变量和因变量拟合优度的指标，表明自变量和因变量拟合程度的好坏。
$r=\frac{\sum(x-\bar x)(y-\bar y)} {\sqrt {\sum(x-\bar x)^2} \sqrt{(y-\bar y)^2}}=\frac{\sigma_{xy}}{\sigma_x\sigma_y}$

4.回归系数显著性检验

求出回归系数之后，需要进行回归系数的显著性检验，采用 $t$参数检验法。

5.F检验

指总离差 $\sum(y-\bar y)^2$分解的回归偏差和剩余残差各自除以其自由度之比，即F统计量。

6.德宾沃森统计量**

回归模型有一个假设是：回归模型的剩余项 $\mu_i$之间相互独立，即各 $\mu_i$间不存在自相关问题。若存在自相关问题，则用回归模型进行预测会失真。
德宾沃森统计量（D-W）就是检验模型是否存在自相关的一种有效方法。