表1  回归结果

No. R R2 R2adj S 参数

1 0.892 0.795 0.789 1.284 1XPV

2 0.927 0.860 0.851 1.080 1XPV E13

3 0.964 0.928 0.922 0.783 1XPV  E13 E18

4 0.974 0.948 0.941 0.678 1XPV E13 E18 E14

5 0.982 0.964 0.957 0.578 1XPV E13 E18 E14 E2

6 0.986 0.972 0.966 0.513 1XPV E13 E18 E14 E2 E9

由表1可以清楚的看出，随着回归所得数学模型中自变量个数目的不断增多，回归方程的R值不断增大，然而，五个变量以后，R 值的增加程度就明显减小了。为了使所建立的预测模型具有统计学意义，模型中的样本的数目与所选定的变量的数目的比值不能过小。综合考虑以上这些影响因素，五元QSRR模型最佳，具体方程为：来!自~优尔论-文|网www.youerw.com

          logVP=4.876-0.7431XpV-0.252E2-0.346E13-0.716E14-14.958E18      （1）

R=0.982  R2=0.964  R2adj=0.957  S=0.578   F=153.241

   与已有的文献[17]报道相比，估计标准误差S下降了29.1%，Fischer检验值F提

高了37.3%。用上述方程得到的计算值见表3，可见计算值与实验值比较接近，它

们的关系见图2。为了便于比较，表3中也列出了文献的计算值，可见，用本文所

建立的模型进行计算，其最大误差为1.26，文献的最大误差为3.38，明显优于文

献方法。