原書 Exercise 6.2 要求以 advertising.csv 的 Radio Spend 單獨預測 Sales。
獨立完成 Simple Linear Regression，並解讀 Equation、Prediction、Significance、Adjusted R² 與 Overall Model Significance。
以 Radio 為 Predictor、Sales 為 Outcome，並評估 Radio Spend = 8,000 時的預期 Sales。
| 設定 | 原書要求 |
|---|---|
| Dataset | advertising.csv |
| Predictor | Radio advertising spend |
| Outcome | Sales |
| Scenario | Radio spend = 8,000 |
以 SAS VA 或 Statistical Package 建立 Simple Linear Regression，取得 Intercept、Radio Coefficient、p-value、Adjusted R² 與 Model F-test。
原書把此題設為 Exercise，所擷取章節文字未直接提供完整標準輸出；因此本頁不猜測 Regression Equation 或 8,000 情境結果。
重點是區分 Predictor 是否 Significant、模型整體是否 Significant，以及 Explained Variance 的大小。
我會提供 Radio → Sales Regression Output。請逐項解釋 Equation、8,000 支出情境、p-value、Adjusted R² 與 F-test；若輸出缺欄位，明確指出，不得補值。
問題： 若 Radio p-value 很小但 Adjusted R² 不高，如何解讀？
參考解答： Predictor 可能與 Sales 有統計關係，但模型能解釋的 Variation 仍有限；Significance 與 Predictive Fit 是不同概念。