正文：
而，%20
%20 %20（8）
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%20
%20，δ越小。如在（X，Y）平面上划成曲线，则%20
%20形成一个包围回归直线的带域，在%20
%20处带域最窄。因此，如果给出X预报Y时，则预报区间越短（X越靠近%20
%20），带域宽度越窄，说明预报的精度越高。
在实际计算中，n值往往过大，要求的预报区间较短，这时%20
%20，结果得预报区间的近似式：%20
%20=68.3%
这说明，观测值Y可能落在%20
%20之间的概率为68.3%，同样，观测值Y落在%20
%20之间的概率为95.4%，落在%20
%20之间的概率为99.7%，即：%20
%20=95.4%；%20
%20=99.7%
%20称为可信区间。用回归方程预报Y时，%20
%20越小，可信区间越窄，预报的精度越高。当r=1时，Y和X呈函数关系，这时%20
%20=0，表示所有观测值都落在配合直线上。
%20
3.3、回归模型基本假设诊断
3.3.1多重共线性诊断
%20如果某两个或多个解释变量之间出现了近似相关性，则称为多重共线性。多重共线性的诊断方法有很多，本研究采用SPSS提供的方差膨胀因子方法。其原理为：
%20设计辅助函数
作OLS回归后得判定系数R
i2,定义方差膨胀因子为下式，因子越大，多重共线性越明显：
%20
一般认为%20VIF
i>8或10时,多重共线性显著,且X
i为多余变量.
3.3.2%20
异方差性诊断
` %20对于多元线性回归方程%20Y
i=f（X
i，u
i），如果随着样本观察值X
i的变化，u
i的方差为常数，与
i无关，即假定%20Var（u
i）=s
u2=常数被满足%20，则称模型是具有同方差性的。如果假定不被满足，即u
i的方差随着Xi的变化而变化Var（u
i）=s
ui2=%20s
u2%20f（X
i）≠常数，则称模型具有异方差性。对于异方差性的检验，已经发现了一些检验方法，主要有图示检验法，等级相关系数法和
Goldfeld—Quandt检验等。本研究采用直观实用的图示检验法。
用标准化残差做统计检验量：
%20
%20式中，%20
%20%20是第
i个残差的标准差，其计算公式为：
根据标准化残差图可以直观地判断误差项ε服从正态分布这一假定是否成立。如果这一假定成立，那么标准化残差的分布也应该服从正态分布。因此在标准化残差图中，大约有95%的标准化残差在-2～+2之间。SPSS统计软件有生成这个图形的功能。
3.3.3%20
自相关性诊断
自相关又称序列相关。用公式表示为E(U
IU
J)≠0%20I≠J，如果存在自相关，继续用最小二乘法进行参数估计会带来一系列后果。得到的参数估计是无偏的，但不是有效估计量；常用的检验方法会得到严重错误的结论，预测的结果也会失败。对自相关的存在与否可以进行各种检验，其中用得最多的是Durbin-Watson检验法。因为大多数涉及到时间序列的数据都表现出正的自相关性，所以Durbin-Watson检验法假设：
H
0:ρ=0，序列不存在自相关性；H
1:ρ≠0,序列存在自相关性。
检验统计量: %20
其中，
,
和
分别是各期的观测值和预测值。随着系列相关度变大，d值变小。D
u和d
l 分别是临界值的上界和下界。他们可以通过对应K（解释变量个数）和n(观测值个数)查表获得。
如果d<d
l 拒绝H
0: ρ=0
如果d>d
u 不拒绝H
0: ρ=0
如果d
l<d<d
u 不能确定
四、研究分析
下面就运用前述线性回归原理建立内地赴澳门游客量预测模型，并做出预测。
4.1变量和数据
从前面的分析中，我们知道，影响游客需求的经济变量有很多,而人们总是根据不同的研究目的选定因变量，再确定与之相适应的自变量。考虑到澳门的特殊情况，并通过对描述统计图的直观观察发现：内地赴澳游客量的变化，主要受中国内地的经济发展和人民收入因素影响。因此，本研究选择大陆人均可支配收入（personal discretionary income）、中国国内生产总值（CGDP）两地商品进出口贸易总额（TT）、中国消费物价指数（CCPI）、港币与人民币汇率（ERHC）作为观察的预测变量。表2是2001年1季度—2008年1季度各变量季度数据，表中已经注明各数据的来源。
4/8 首页 上一页 2 3 4 5 6 7 下一页 尾页
《国土与自然资源研究》
《黄山学院学报》
《地球物理学报》
《中国医师进修》
编辑QQ 
编辑联络 
2007-2023
bianjibu777@qq.com
