在R中通过summary某个模型之后，得到summary的结果，我们即要看懂summary的结果。

Call:lm(formula = y ~ x)Residuals:     1      2      3      4      5  9.692  1.962 -5.577 -2.308 -3.769 Coefficients:            Estimate Std. Error t value Pr(>|t|)    (Intercept)  -20.154      8.043  -2.506   0.0873 .  x            102.865      1.542  66.698 7.43e-06 ***---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 7.034 on 3 degrees of freedomMultiple R-squared:  0.9993,    Adjusted R-squared:  0.9991 F-statistic:  4449 on 1 and 3 DF,  p-value: 7.427e-06

• Residuals
  代表的是每一项数值的残差（y1-y0）
• Coefficients
  Intercept表示截距行的相关情况，x即使x的系数行，这里的模型即可以表示为：y=98.882x+3.118。Std. Error是标准差(残差平方和)。最后的**越多，代表月准确。
• Multiple R-squared
  相关系数平方，值越接近1，代表模型越准确，这个值是衡量模型整体的准确度，一般0.8几就代表模型已经挺不错了。
• Adjusted R-squared
  拟合系数评分，因为存在这样的情况，当自变量越多，模型越准确，所以在自变量个数上存在一个取舍，不能有过多的自变量，所以有这个指标

参考：

但是里面涉及到很重要的一个概念就是p值和t值，t值是要查t值对照表才知道模型好坏，但是p值是个概率问题，p值越小，模型越好，所以我们要看p值。t值和P值都用来判断统计上是否显著的指标，所以要先弄懂什么是显著性检验（又叫假设检验）非常重要，什么是小概率事件，什么是正态分布，但是不要钻到显著水平这个文字游戏中，只要知道原理即可，不需要扣字面意思，否则很难理解。