F檢驗法： F檢驗用于對所有的自變量X在整體上看對于Y的線性顯著。對于F-statistic的值，當響應變量和預測變量之間沒有關系時，F統計量的值趨近于1。 當然，也可以用P-value判斷顯著性判斷是否拒絕零假設，小于0.01更小時說明整體上自變量與Y相關關系顯著。

　　殘差QQ圖(normal Q-Q)，用來描述殘差是否符合正態分布。如果我們正確的構建了回歸分析模型，那么模型的殘差會符合完美的正態分布；對于近似服從正態分布的標準化殘差，應該有 95% 的樣本點落在 [-2,2] 區間內。異常值已經被標出。

　　對標準化殘差和杠桿值圖(Residuals vs leverage)，虛線表示的cooks距離等高線用來度量的回歸影響點。如果出現紅色的等高線，則說明數據中有特別影響回歸結果的異常點。異常值已經被標出。

　　R平方是X和Y之間的線性關系的度量，而相關性分析也是度量X和Y之間的線性關系的方法，因此R平方統計量和相關性分析的r有相同的作用。事實上，在簡單的線性回歸中，R平方 是等于 r平方。換句話說，在簡單的線性回歸中，可以用相關性的r平方來代替線統計量。但，在多元線性回歸中，回歸的概念無法與相關的概念互通，因此多元回歸中的線性關系度量只能用R平方。