此脚本创建简单线性回归的交互式演示。您可以为Y和X角色选择数据列，也可以使用随机生成的数据样本。只需打开并运行脚本：
选择因变量的数据列，然后单击 Y，回应按钮。选择自变量的另一个数据列，然后单击 X，预测者按钮。点击好 。
（请注意，您不必为此演示使用数据列。只需点击取消并且脚本将为您生成随机样本。）
该演示提供了数据的散点图作为其主要特征。水平蓝线代表您最合适的线条。它最初表示零假设，即响应独立于预测器或斜率为0。通过使用两个手柄（小方块）移动蓝线，使蓝线适合数据。在拖动之前，请小心将指针放在方形的中心。当方形远离数据点时也要小心停止拖动，以便以后轻松移动它。
下图是一组按钮，用于打开和关闭各种图形功能。这些功能允许您：
- 在绘图中添加或删除最佳拟合线，残差和残差平方。
- 在图中添加或删除最小二乘法最佳拟合线，残差和残差平方。
- 显示数据质心的标记。
- 将数据保存到新数据表。
- 删除最后一个数据点。
- 将数据还原为原始数据集。
散点图的右侧是残差或误差的平方和和两个轮廓的条形图。模型订单大纲允许您在一阶和二阶线性回归模型之间切换。回归大纲提供的报告与您对双变量或最小二乘法（最小报告）平台的预期相同。回归大纲取决于您的行，因此如果您移动该行，则会立即更新此报告。
典型演示可能遵循以下步骤：
- 适合你的线路拖动两个手柄 。
- 点击你的残余添加表示回归错误的垂直线。（也代表人眼使用的视觉标准 - 平衡线两侧的误差。）
- 点击你的广场添加表示平方回归误差的阴影方块。此操作还会激活散点图右侧的条形图。（表示最小拟合回归用于最佳拟合线的实际标准。人眼不容易辨别面积。）
- 点击 LS线添加表示最小二乘回归的线以进行比较。
- 点击 LS Squares 添加表示平方回归误差的阴影方块。此操作还会在条形图中添加参考线。
其他可能性包括改变数据 。您可以拖动数据点 。你可以点击任意位置添加另一个数据点 。这些功能允许您讨论杠杆（垂直移动数据点（响应变化）以观察靠近中心或靠近其中一端的观察）和影响（改变轴的比例并添加远离原始的新观察数据与回归拟合不一致）。
