жної змінної x.
Отримані значення порівнюють з табличним, і якщо значення більше табличного, то коефіцієнти регресії статистично значимі.
Крім того, при оцінці значущості та адекватності новосформованої моделі необхідно розрахувати ряд кількісних критеріїв, що описують характер кореляційного зв'язку між результуючим ознакою і незалежними змінними, а також показники, що характеризують абсолютні втрати при моделюванні.
В якості таких критеріїв виступають:
- парний коефіцієнт кореляції, який застосовується для вимірювання тісноти зв'язку між двома змінними:
-
(17)
де - середньоквадратичне відхилення змінної х;
- середньоквадратичне відхилення змінної y.
- приватний коефіцієнт кореляції, який характеризує ступінь і вплив одного з аргументів на функцію за умови, що інші змінні закріплені на постійному рівні. Формула для розрахунку приватного коефіцієнта кореляції для двофакторної моделі між ознаками x 1 і y:
-
(18)
де - парний коефіцієнт кореляції.
- індекс множинної кореляції, що показує спільний вплив факторів на результат:
(19)
де - дисперсія результативної ознаки від вирівняних значень ний;
- дисперсія результативної ознаки у.
- коефіцієнт детермінації, що представляє собою квадрат індексу множинної кореляції:
(20)
Якщо регресійна модель значима, то коефіцієнт детермінації дорівнює тій частці дисперсії помилок спостережень, яка пояснюється регресійної моделлю. Коефіцієнт детермінації характеризує частку загального розкиду щодо вибіркового середнього залежною змінною, яка пояснюється постро енной регресією. Чим менше розкид значень залишків біля лінії регресії по відношенню до загального розкиду значень, тим краще прогноз. Рівень коефіцієнта детермінації є індикатором ступеня В«підгонкиВ» моделі до даних. Значення цього показника варіює в межах від 0 до 1. Чим ближче його рівень до 1, тим краще побудована залежність пояснює розкид спостережень. До певної міри даний показник може розглядатися в якості критерію оцінки предсказательной сили моделі. p align="justify"> Для перевірки адекватності, встановлення точності і надійності побудованої моделі регресії необхідно розрахувати наступні показники:
- середня помилка апроксимації:
(21)
Якщо менше 10%, то як...
