根据对采访决策的相关因子之间关系的分析，T年的采访数据与T—1年出版数据、在校师生人数、T—1年借阅数据相关。以T年采访数据作为因变量，T—1年出版数据、在校师生人数、T—1年借阅数据作为自变量，将以上数据强制进入回归，设定方程为Yt=at+btX1（t—1）+ctX2（t—1）+dtX3（t—1），其中Yt为T年的采访数据，X1（t—1）为T—1年借阅数据，X2（t—1）为T—1年出版数据，X3（t—1）为T—1年师生人数，at，bt，ct，dt是参数。以2006年为例，如表3-6所示，进行拟合优度检验多元回归方程，调整R方（Adjusted R Square）为0.997，模型整体拟合较好。
表3-6 多元回归的拟合优度检验
a.预测变量：（常量），借阅2005，出版2005，师生人数。
根据表3-7的方差分析，我们判定多元回归方程式线性关系明显，各回归系数不同时为零。因为表3-7显示的Sig（显著性）值小于显著性水平0.05，拒绝回归方程显著性检验的零假设。
表3-7 方差分析
a.预测变量：（常量），借阅2005，出版2005，师生人数。
2005年借阅数据和在校师生人数的方差膨胀因子（VIF）均大于10，如表3-8所示，说明自变量之间存在严重的多重共线性问题，需要筛选变量，去除多重共线性。可利用逐步回归筛选并剔除引起多重共线性的变量，具体步骤如下：先用被解释变量对每一个所考虑的解释变量作简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程为基础，再逐步引入其余解释变量。经过逐步回归，使得最后保留在模型中的解释变量既是重要的，又没有严重多重共线性。
表3-8 多重共线性检验
本章在进行逐步回归法分析之后，有四个模型，如表3-9所示。综合拟合优度、显著性水平，选择模型2，剔除变量师生人数。因为师生人数跟2005年借阅数据存在共线性，只取一即可。
表3-9 逐步回归法后的分配模型比较
(www.xing528.com)
（续表）
非标准化回归方程为Y=0.004+0.558X1+0.411X2。
标准化回归方程为Y=0.562X1+0.515X2。
2007～2012年的数据用同样的方法进入回归，得出历年采购数据与借阅数据、出版数据之间的非标准化和标准化的回归方程。加权平均得出历年综合的非标准化回归方程和标准化回归方程，分别为
Yt=0.011+0.691X1（t—1）+0.261X2（t—1）；
Yt=0.723X1（t—1）+0.34X2（t—1）。
预测2011年的中文理科图书的各学科经费比例时，直接将X1用2010年各学科归一化借阅数据，X2用2010年各学科归一化出版数据代入上面方程，可以得出经费预测模型方程式为
其中，Yt为T年的采访数据，X1（t—1）为T—1年借阅数据，X2（t—1）为T-1年出版数据，at、bt、ct是参数。n为年份跨度，可以根据实际情况选择3年或5年。
据此方程，可预测出2011年的比例，与实际值比对结果如表3-10所示，可以看出N自然科学总论、Q生物科学、T工业技术等学科预测值与实际值的误差较小，还有一些学科存在一定的误差。相信通过今后持续不断的历年数据收集，加入更多相关因素的判别，这个模型会越来越精确。图书馆采访人员也可以根据该模型作参照调整。
表3-10 2011年预测比例与实际比例
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
