R表示的是擬合優度，它是用來衡量估計的模型對觀測值的擬合程度。它的值越接近1說明模型越好。但是，你的R值太小了。

T的數值表示的是對回歸參數的顯著性檢驗值，它的絕對值大於等於ta/2(n-k)（這個值表示的是根據你的置信水平，自由度得出的數值）時，就拒絕原假設。

即認為在其他解釋變量不變的情況下，解釋變量X對被解釋變量Y的影響是顯著的。

F的值是回歸方程的顯著性檢驗，表示的是模型中被解釋變量與所有解釋變量之間的線性關系在總體上是否顯著做出推斷。若F>Fa(k-1,n-k),則拒絕原假設。

即認為列入模型的各個解釋變量聯合起來對被解釋變量有顯著影響，反之，則無顯著影響。

如果，你只改R值，我想是可以看的出來的。你的F的值和T的值都是有問題的，如果只改R值，怎麼可能在F的值和T的值都不合理的情況下，擬合優度卻突然變的很高。

擴展資料

線性回歸的回歸係數：

一般地，要求這個值大於5%。對大部分的行為研究者來講，最重要的是回歸係數。年齡增加1個單位，文檔的質量就下降 -.1020986個單位，表明年長的人對文檔質量的評價會更低。

這個變量相應的t值是 -2.10，絕對值大於2，p值也

相反，領域知識越豐富的人，對文檔的質量評估會更高，但是這個影響不是顯著的。這種對回歸係數的理解就是使用回歸分析進行假設檢驗的過程。

參考資料來源：