Minitab 线性分析 如附件图片， 如何分析P值 线性：斜率 常量对应的P值 及偏倚对应的P值？

偏倚分析时，会根据样本数据计算出线性回归方程。回归方程是否合适，需要做回归检验，即回归参数（常量、斜率）的T假设检验。
常量、斜率对应的两个P值，即是两个回归参数的T检验计算出的概率值。
若P值小于0.05，拒绝原假设H0（β1 ＝0），回归参数显著，即该参数保留。
若P值大于0.05，不拒绝原假设H0（β1 ＝0），回归参数不显著，即从方程中删除该参数，再优化方程。

偏倚对应的P值，即回归方程的显著性检验（F检验），方程是否有效。
若P值小于0.05，拒绝H0:MSR=MSE，回归显著，回归方程有效，偏倚存在。
若P值大于0.05，不拒绝原假设H0:MSR=MSE，回归不显著，回归方程无效，偏倚不明显。

线性对应的P值，即做偏倚y与测量范围x的线性相关性检验（T检验），x与y是否线性相关。
若P值小于0.05，拒绝原假设H0：ρ＝0（相关系数ρ），偏倚y与测量范围x的线性相关。
若P值大于0.05，不拒绝原假设H0：ρ＝0（相关系数ρ），偏倚y与测量范围x的线性相关不明显。