在线性回归模型中，分别选择了\(4\)个不同的模型，它们的相关指数\(R^{2}\)依次为\(0{.}36\)、\(0{.}95\)、\(0{.}74\)、\(0{.}81\)，其中回归效果最好的模型的相关指数\(R^{2}\)为\(({  })\)

随着高等级公路的迅速发展，公路绿化受到高度重视，需要大量各种苗木\(.\)某苗圃培植场对\(100\)棵“天竺桂”的移栽成活量\(y(\)单位：棵\()\)与在前三个月内浇水次数\(x\)间的关系进行研究，根据以往的记录，整理相关的数据信息如图所示：

\((1)\)结合图中前\(4\)个矩形提供的数据，利用最小二乘法求\(y\)关于\(x\)的回归直线方程；

\((2)\)用\(\hat{y_{i}}\)表示\((1)\)中所求的回归直线方程得到的\(100\)棵“天竺桂”的移栽成活量的估计值，当图中余下的矩形对应的数据组\(\left({x}_{i},{y}_{i}\right) \)的残差的绝对值\(\left| y_{i}{-}\hat{y_{i}} \right|{\leqslant }5\)，则回归直线方程有参考价值，试问：\((1)\)中所得到的回归直线方程有参考价值吗？

\((3)\)预测\(100\)棵“天竺桂”移栽后全部成活时，在前三个月内浇水的最佳次数．

附：回归直线方程为\(\hat {y}=\hat {b}x+\hat {a} \)，其中\(\hat {b}= \dfrac{ \sum\limits_{i=1}^{n}\left({x}_{i}- \bar{x}\right)\left({y}_{i}- \bar{y}\right)}{ \sum\limits_{i=1}^{n}{\left({x}_{i}- \bar{x}\right)}^{2}}= \dfrac{ \sum\limits_{i=1}^{n}{x}_{i}{y}_{i}-n \bar{x} \bar{y}}{ \sum\limits_{i=1}^{n}{{x}_{i}}^{2}-n{ \bar{x}}^{2}} \)，\(\bar{a}= \bar{y}-\hat {b} \bar{x} \)．

某学生为了测试煤气灶烧水如何节省煤气的问题设计了一个实验，并获得了煤气开关旋钮旋转的弧度数\(x\)与烧开一壶水所用时间\(y\)的一组数据，且作了一定的数据处理\((\)如下表\()\)，得到了散点图\((\)如下图\()\)．

表中\({{w}_{i}}=\dfrac{1}{x_{i}^{2}},\bar{w}=\dfrac{1}{10}\underset{i=1}{\overset{10}{\sum}}\,{{w}_{i}}\)．

\((\)Ⅰ\()\)根据散点图判断，\(y=a+bx\)与\(y=c+\dfrac{d}{{{x}^{2}}}\)哪一个更适宜作烧水时间\(y\)关于开关旋钮旋转的弧度数\(x\)的回归方程类型\(?(\)不必说明理由\()\)

\((\)Ⅱ\()\)根据判断结果和表中数据，建立\(y\)关于\(x\)的回归方程；

\((III)\)若单位时间内煤气输出量\(t\)与旋转的弧度数\(x\)成正比，那么，利用第\((\)Ⅱ\()\)问求得的回归方程知\(x\)为多少时，烧开一壶水最省煤气\(?\)

附：对于一组数据\(({{u}_{1}},{{v}_{1}}),({{u}_{2}},{{v}_{2}}),({{u}_{3}},{{v}_{3}}),\cdot \cdot \cdot ,({{u}_{n}},{{v}_{n}})\)，其回归直线\(\hat{v}=\hat{\alpha }+\hat{\beta }u\)的斜率和截距的最小二乘法估计值分别为\(\hat{\beta }=\dfrac{\sum\limits_{i=1}^{n}{({{v}_{i}}-\bar{v})({{u}_{i}}-\bar{u})}}{\sum\limits_{i=1}^{n}{{{({{u}_{i}}-\bar{u})}^{2}}}},\hat{\alpha }=\bar{v}-\hat{\beta }\bar{u}\)

\(②\)回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型拟合效果越好．

\(③\)在回归分析中，可用相关系数 的值判断模型的拟合效果， 越大，模型的拟合效果越好．

\(④\)在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适\(.\)带状区域的宽度越窄，说明模型的拟合精度越高．

下列说法错误的是(    )