量之间的线性关系越密切,所建的回归方程才越有价值 (2)回归方程的预报精度 已知S表示随机误差,即观测值并不完全落在配合直线上,而是散布在它的两侧所存在的误差。所以S籴越小,用回归方程预报的效果越好,这里 的S金,实际上就是前面最小二乘法建立回归方程时所给出的最小的那个Δ值。因此,可用均方差 作为衡量回归方程预报效果好坏的指标。余也称为剩余标准差,它表示观测值偏离配合直线的平均距离,把⑥式代入上式得余的计算 (Y-)2/n-2.Ⅵ1-r2= (8-2 这样计算的σ余越小预报的效果越好,但究竟多小效果最好?仍可用显著性检验来说明 所谓预报问题,就是在一定的显著性水平α下寻找一个偏差δ,使得按给定的ⅹ预报Y时的观测值,以(1-a)的概率落在(Y6,Y+6)的区间 P δ<Y<F+d}=1-a 6和余有如下的一般关系: 6=F(,n-2)o斜++ 1.(X-X)2 这说明,在一定的样本观测值和显著性水平下,给出的X越接近X,6越小。如在(X,Y)平面上划成曲线,则y±δ形成一个包围回归直线的6 量之间的线性关系越密切，所建的回归方程才越有价值。 (2) 回归方程的预报精度 已知 S 余表示随机误差，即观测值并不完全落在配合直线上，而是散布在它的两侧所存在的误差。所以 S 余越小，用回归方程预报的效果越好，这里 的 S 余，实际上就是前面最小二乘法建立回归方程时所给出的最小的那个Δ值。因此，可用均方差  余 = S余 /(n − 2) 作为衡量回归方程预报效果好坏的指标。  余 也称为剩余标准差，它表示观测值偏离配合直线的平均距离，把⑥式代入上式得  余 的计算式： 2 2 1 2 1 2 ( ) / 2 1 r n S Y Y n r YY n t  − − =  − −  − = =  余 （8-21） 这样计算的  余 越小预报的效果越好，但究竟多小效果最好？仍可用显著性检验来说明。 所谓预报问题，就是在一定的显著性水平α下寻找一个偏差δ，使得按给定的 X 预报 Y 时的观测值，以（1-α）的概率落在（Y-δ, Y+δ）的区间 内，即： PY ˆ −  Y  Y ˆ +  = 1− 而δ和  余 有如下的一般关系：             − − = − + + = n t Xt X X X n F n 1 2 2 2 ( ) 1 ( )   (1, 2) 余 1 这说明，在一定的样本观测值和显著性水平下，给出的 X 越接近 X ，δ越小。如在（X，Y）平面上划成曲线，则 Y  形成一个包围回归直线的