③通过残差分析判断模型拟合效果：先计算出残差\s\up6(^(^)i＝yi－\s\up6(^(^)i＝yi－\s\up6(^(^)xi－\s\up6(^(^)，i＝1，2，...，n，然后横坐标选取为样本编号、解释变量或预报变量，纵坐标为残差，作出残差图．通过图形分析，如果样本点的残差较大，就要分析样本数据的采集是否有错误；另一方面，可以通过残差点分布的水平带状区域的宽窄说明模型拟合效果，反映回归方程的预报精度．带状区域的宽度越窄，说明模型的拟合精度越高，回归方程的预报精度越高．

　　(3)相关指数R2.

　　①相关指数的计算公式是R2＝其中为残差平方和．相关指数用来刻画回归模型拟合的效果，R2的值越大，说明模型的拟合效果越好；R2的值越小，说明拟合效果越差．

　　②如果某组样本数据可以采取几种不同的回归模型进行回归分析，则可以通过比较R2的值来作出选择，即选择R2值大的模型作为这组数据的回归模型．

　　③在线性回归模型中R2是刻画回归效果的量，即表示回归模型的拟合效果，也表示解释变量和预报变量的线性相关关系．R2表示解释变量对预报变量变化的贡献率．

　　1．建立回归模型的基本步骤为：

　　(1)确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量．

　　(2)画出解释变量和预报变量的散点图，观察它们之间的关系(如是否存在线性关系等)．

　　(3)由经验确定回归方程的类型(如观察到数据呈线性关系，则选用线性回归方程)．

　　(4)按一定规则(如最小二乘法)估计回归方程中的参数．

　　(5)得出结果后分析残差图是否有异常(如个别数据对应残差过大，残差呈现不随机的规律性等)．若存在异常，则检查数据是否有误，或模型是否合适等．

　　2．分析两个变量相关关系的常用方法有：

　　(1)利用散点图进行判断：把样本数据表示的点在平面直角坐标系中作出，从而得到散点图，如果这些点大致分布在通过散点图中心的一条直线附近，那么就说这两个变量之间具有线性相关关系．

(2)利用相关指数R2进行判断．