③回归方程的预报精度

　　判断回归方程的预报精度是通过计算残差平方和来进行的，残差平方和越小，方程的预报精度越高．

　　简单来说，线性回归分析就是通过建立回归直线方程对变量进行预报，用回归方程预报时，需对函数值明确理解，它表示当x取值时，真实值在函数值附近或平均值在函数值附近，不能认为就是真实值．

　　④回归模型的拟合效果

　　判断回归模型的拟合效果的过程也叫残差分析，残差分析的方法有两种，一是通过残差图直观判断，二是通过计算相关指数R2的大小判断．

　　(2)独立性检验的基本思想

　　独立性检验的基本思想类似于反证法．要确认两个分类变量有关系的可信程度，先假设两个分类变量没有关系，再计算随机变量K2的观测值，最后由K2的观测值很大在一定程度上说明两个分类变量有关系．

　　进行独立性检验要注意理解以下三个问题：

　　①独立性检验适用于两个分类变量．

　　②两个分类变量是否有关系的直观判断：

　　一是根据2×2列联表计算|ad－bc|，值越大关系越强；

　　二是观察等高条形图，两个深色条的高度相差越大关系越强．

　　③独立性检验是对两个分类变量有关系的可信程度的判断，而不是对其是否有关系的判断．独立性检验的结论只能是有多大的把握确认两个分类变量有关系，而不能是两个分类变量一定有关系或没有关系．

　　2．两个重要参数

　　(1)相关指数R2

　　相关指数R2是用来刻画回归模型的回归效果的，其值越大，残差平方和越小，模型的拟合效果越好．

　　(2)随机变量K2

　　随机变量K2是用来判断两个分类变量在多大程度上相关的变量．独立性检验就是通过计算K2的观测值，并与教材中所给表格中的数值进行比较，从而得到两个分类变量在多大程度上相关．

　　3．两种重要图形

　　(1)散点图

　　散点图是进行线性回归分析的主要手段，其作用如下：

一是判断两个变量是否具有线性相关关系，如果样本点呈条状分布，那么可以断定两个变量有较好的线性相关关系；