一般來說，Excel迴歸分析輸出內容分為三部分，以一元迴歸為例：

1、迴歸統計

A、Multiple R：x和y的相關係數r，一般在-1~1之間，絕對值越靠近1則相關性越強，越靠近0則相關性越弱;B、R square：x和y的相關係數r的平方，表達自變數x解釋因變數y變差的程度，以測定量y的擬合效果;C、Adjusted R Square：調整後的R square，說明自變數能說明因變數百分比，和B的區別在於，通常一元迴歸的時候看B項多，而多元迴歸時候看C項多；D、標準誤差：用來衡量擬合程度的大小，也用於計算與迴歸相關的其它統計量，此值越小，說明擬合程度越好；E、觀察值：用於訓練迴歸方程的樣本資料有多少個；

2、方差分析，主要作用是透過F檢驗來判定迴歸模型的迴歸效果

A、主要關注迴歸分析這一行的Significance F（F顯著性統計量）的P值，以統計常用的0.05顯著水平為例，這裡的2E-12明顯小於P=0.05，則F檢驗透過，整體迴歸方程顯著有效；B、具體各引數含義如下：

3、迴歸引數表

A、Coefficients（迴歸係數）：intercept對應截距項，x變數-淨銷售收入的係數；B、標準誤差：誤差值越小，表明引數的精確度越高。不常使用，原因在於：其統計資訊已經包含在後述的t檢驗中；C、t stat：T檢驗中統計量t值，用於對模型引數的檢驗，需要查表才能決定。t值是迴歸係數與其標準誤差的比值。經常一元迴歸可以看F檢驗或者回歸統計基本能支撐判斷，但對於多元線性迴歸，t檢驗就不可缺省了；D、P-value：T檢驗對應的P值，當P<0.05時，可以認為模型在α=0.05的水平上顯著，或者置信度達到95%；當P<0.01時，可以認為模型在α=0.01的水平上顯著，或者置信度達到99%；E、Lower 95% /Upper 95% /下限 95.0% /上限 95.0% : 95%置信區間的上下限值。