回归分析，无论是线性回归，还是logistic回归，都和线性方程有密切的关系，通过线性方程探讨自变X对因变量Y的作用。
线性回归方程
logistic回归方程
这两个方程（当然还有其他回归，都是类似的），b0和a值，我们称之为截距，或者翻译称为常量，英文是intercept。
统计分析的时候，一般我们既要对回归系数b1、b2进行假设检验，也要对截距进行假设检验。
线性回归的截距的假设检验
logistic回归的截距的假设检验
那么可以看出来，第1图截距（即常量）的假设检验P值小于0.05，第2图P值大于0.05。
当P大于0.05，意味着什么? 好多人问我了！
怎么解释呢这种现象呢？
常量就是数学中线性函数的截距！它解释的是，不被自变量所解释的，长期稳定存在的非随机部分，也可称为信息残留。
常量的假设检验若P值小于0.05，说明截距不为零，否则则说明截距和零没有统计学差异，也就是回归线要穿过0值了。
对于我们一般应用来说，P值大于0.05怎么办？
无 视！
一般而言，我们用回归探讨影响因素还是控制混杂，都不会去关注截距大小，是否就有
统计学意义，而聚焦于自变量回归系数！当自变量回归系数假设检验具有统计学意义，那么自变量对因变量的作用就存在，整个模型就有统计学意义。且统计报告时，可不用报告常量的结果。
常量项在预测模型构建方面，起到一定的作用，尤其是P小于0.05，它也是重要的角色！
所以，不用怎么管它！OK?
