PAST：最简便易用的统计学分析软件教程（三十六）----一元线性回归
本系列教程基于windows版本的PAST 3.0软件进行。
软件下载地址：扫描下方二维码，提取码：i274。
下载后的软件无需安装，双击“Past3.exe”即可打开软件进行使用。
一元线性回归
一元线性回归是应用一个解释变量的变化预测响应变量数值的方式，在该回归模型中，解释变量和响应变量符合线性变化规律。
在Model按钮下的Linear标签中的Bivariate选项用于双变量的回归分析，此分析会给出一条y=ax+b的直线。
如果选择两列，则其分别代表X轴和Y轴数据，如果只选择一列，则其代表Y轴数据，X轴为连续的正整数。
Plot页面
该分析共有4种算法可选：
Ordinary LS将X轴数据固定，通过最小化Y轴的squared errors来计算得到回归直线，当X数据误差很小时，选择此算法；
RMA和MA算法对X和Y轴的误差同时进行最小化；
Robust是对Ordinary LS的改进，将outliers去除。
其它图形参数意义：
Zero intercept可以将截距设为0，重新生成回归线；
Log-log对X和Y数据进行log转化；
95% confidence可以显示回归线的95%置信区间；
Labels添加点的标签；
Slope和Intercept分别代表回归线的斜率和截距。
Statistics页面
Statistics一栏中列出了：
斜率和截距的数值及其标准误差；
斜率和截距95%的置信区间；
两个变量的Pearson相关性。
Residuals页面
Residuals一栏给出了每个数据点在x和Y轴方向与回归线的距离。
Durbin-Watson test计算Y方向上的residuals的自相关性，其值为0-2表示正自相关，2-4表示负自相关，在Zero Intercept模式时此值不准确。
Breusch-Pagan test检测回归分析的同方差性，p小于0.05时表示具有不同方差。