观察上图可以看出，存在着异常值。 4．异方差的检验：（1）绘制残差和各自变量的散点图，判断是否可以存在异方差
上图为X1与Y的散点图
上图为X2与Y的散点图
上图为残差与Y的散点图 通过上面三个散点图可以判断出存在异方差。
（2）利用等级相关系数，判断是否存在异方差，并确定主要是哪个自变量导致的异方差（哪
个的等级相关系数大则可能就是哪个变量引起的）。
上表为标准化残差与标准化预测值的Spearman 等级相关分析的结果。结果表明，X1的残差与预测值的等级相关系数为0.068，且检验显著；X2的残差与预测值的等级相关系数为0.064，检验同样显著；X1与X2残差的等级相关系数为0.979，且检验不显著，所以认为存在异方差，由于X1的相关系数大于X2的相关系数的绝对值，所以异方差主要由X1引起的。
（3）利用weight estimate估计幂指数m，得到的最优值后，进行加权最小二乘法回归估计
上表为进行weight estimate 估计的结果，WGT1表示以Y作为权重变量，WG2表示以X1作为权重变量，WG3表示以X2作为权重变量。
上表为进行最小加权二乘法的F检验，其检验的概率值p＝0.002>?＝0.05，所以认为被解释变量与解释变量全体的现行关系显著，可以进行建立模型。
上表为最小加权二乘法的最后结果，X1的T检验观测值为2.736，概率值p＝0.0181
（4）计算加权最小乘法估计的残差并保存，绘制残差同各自变量的散点图，计算等级相关系数，分析是否还存在异方差。
上图为加权最小二乘法估计的残差
上面两图分别为变量X2、X1的散点图
上表为Spearman 相关性检验结果，结果表明 不存在异方差。
4．为研究民航客运量的变化趋势及其成因，以民航客运量为因变量，以国民收入、消费额、铁路客运量、民航航线里程、来华旅游入境人数为影响因素。 （1）拟合多元线性回归方程 采用向后筛选策略进行拟合。