線性回歸要求因變量與自變量之間存在線性關系，如何來判斷呢？實踐中我們常采用散點圖法，即通過繪制出因變量與自變量的散點圖進行觀察判斷。
如果散點趨向于構成一條直線，那么說明因變量和自變量之間存在線性關系分類變量 散點圖分類變量 散點圖，如果構成曲線，就不存在線性關系。圖示如下：
JASP繪制散點圖
先來看案例，這是【醫咖會】平臺關于線性回歸的一個典型案例數據。
研究者擬在45-65歲健康男性人群中分析膽固醇濃度與看電視時間的關系。他們猜測可能存在正向相關，即看電視時間越長，膽固醇濃度越高。同時，他們也希望預測膽固醇濃度，并計算看電視時間對膽固醇濃度的解釋能力。
在本例中，因變量是膽固醇濃度數據，自變量是看電視時間。
JASP目前是0.13版，暫時沒有提供獨立的統計圖形制作菜單。我們可以利用【可視化建模】菜單來繪制散點圖。
只需要把因變量自變移動到各自的變量框即可，這里有一篇文章介紹它的使用。來看結果。
散點圖可以看出，本研究中看電視時間和膽固醇濃度存在線性關系。同時也提示，他們之間的線性關系是正向的，即膽固醇濃度（Y）隨看電視時間（X）的增加而增加。
本文完
文/圖=數據小兵
更多JASP統計文章
一款全新的統計軟件：JASP
JASP 0.12 新版本發布
JASP可讀取3種外部數據文件
JASP連續數據之相關分析
JASP分類數據之相關分析
用JASP統計軟件做單樣本t檢驗
用JASP統計軟件做配對樣本t檢驗
JASP計算cohen's d效應量指標
JASP可視化建模：簡單一元線性回歸
回歸分析多重共線性檢驗
JASP統計分析案例：單因素方差分析
JASP做四格表卡方檢驗
JASP 0.13 新版發布
驚艷！JASP相關系數矩陣及熱力圖