一元线性回归的显著性检验包括介绍如下：
一元线性回归的显著性检验主要包括变量显著性检验（t检验）和方程显著性检验（F检验）。
1. 变量显著性检验（t检验）：这是为了检验自变量对因变量是否具有显著影响。如果t值显著，则说明自变量对因变量有显著影响。
2. 方程显著性检验（F检验）：这是为了检验整个回归模型是否显著。如果F值显著，则说明回归模型是有意义的，即自变量和因变量之间存在显著的线性关系。
此外，还可以通过相关系数来反应自变量与因变量的线性关系的密切程度。同时，拟合优度检验(R^2)也是一个重要的指标，它用来检验模型和观测值的拟合程度。
回归模型检验是检验模型是否合适，通过F检验，当F检验P<α，则模型显著，即反映的总体回归。
通过这两种检验，而且符合经济自然规律后的模型可预测。
如果在回归分析中，只包局戚括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为多重线性回归分析。
扩展资料：
在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量加入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向桐岁陵后回归等方法。
利用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的，统计软件包使各种回归方法计算十分方便。
在回归分析中，把变量分为两类。一类是因变量，它们通常是实际问题中所关心的一类指标，通常用Y表示；而影响因变量取值的的另一类变量称为自变量，用X来表示。
回归分析研究的主要问题是：
（1）确定Y与X间的定量关系表达式，这种表达式称为回归方程；
（2）对求得的回归方程的可信度进行检验；
（3）判断自变量X对因变量Y有无影响；
（4）利用所求得的回归方程进行预测和控制。