如果回归分析结果显示不显著，表明模型中的解释变量与响应变量之间可能不存在线性关系，或者模型的解释能力较弱。要改善数据并提高回归模型的拟合度，可以尝试以下方法：

1. **添加更多变量**：考虑是否有其他可能影响响应变量的因素未包含在模型中。通过添加更多的解释变量，可以增加模型的解释能力。

2. **转换变量**：对数据进行变量转换，如对数转换、平方根转换、倒数转换等，以改变变量的分布形态或减少异常值的影响，从而改善模型的拟合效果。

3. **删除异常值**：检查数据中是否存在异常值，异常值可能对回归分析结果产生影响。可以考虑删除异常值或通过替换等方式处理异常值。

4. **检查模型假设**：回归分析有一些基本假设，如线性性、正态性、同方差性等。检查这些假设是否满足，如果不满足，可能需要调整模型或对数据进行转换。

5. **尝试其他模型**：如果简单的线性回归模型不适用，可以尝试其他类型的回归模型，如多项式回归、逻辑回归、岭回归等，以更好地拟合数据。

6. **增加样本量**：增加样本量可以提高模型的稳定性和可靠性，有时候不显著的结果可能是由于样本量不足造成的。

7. **重新设计实验**：如果实验设计存在缺陷或数据收集方法不当，可能会导致回归分析结果不显著。重新设计实验或改进数据收集方法可能会改善模型的效果。

综合考虑以上因素，对数据进行适当的处理和调整，可以提高回归分析的拟合度和解释能力，从而得到更可靠的结果。