原書 Table 6.5、Figures 6.4–6.5，以 Advertising Dataset 建立 TV → Sales 的 Simple Linear Regression。
讀懂 Regression Equation、R-squared、p-value、ANOVA 與 Parameter Estimates。
資料集 N = 250。企業希望了解 Advertising 是否有效，以及 TV、Radio、Press 哪些形式最能預測 Sales。
| Variable | Description |
|---|---|
| Campaign_id | Unique case identifier |
| TV | Expenditure on TV advertising ('000) |
| Radio | Expenditure on Radio advertising ('000) |
| Press | Number of press mentions |
| Sales | Sales achieved ('000) |
Response = Sales；Predictor = TV。利用 SAS VA 建立 Linear Regression，檢查 Model Fit 與 Predictor Significance。
原書：R² = 0.3061（30.61%）；TV p-value < .00001。Excel 輸出另列 TV coefficient = 4.32613637、Intercept = 315.8377311、F = 109.3896、Significance F = 1.90511E-21。
TV 單一 Predictor 可解釋約 30.61% Sales Variation，但仍有大量 Variation 未被解釋，因此後續需要比較其他 Predictors 與 Multiple Regression。
請把 R²、TV coefficient、p-value 與 F-test 翻譯成非技術管理語言，不得把 association 說成已證明的 causation。
問題： R² = 30.61% 是否表示模型有 69.39% 的「錯誤率」？
參考解答： 不是。R² 表示模型解釋 Outcome Variation 的比例，不等同分類準確率或一般意義的錯誤率。