k ) береться вибірка обсягом n, і кожне i -е спостереження (об'єкт) характеризується значеннями змінних (у i , x i1 , х i2 < i align = "justify">, ..., х ij , ..., x ik ), де х ij - значення j - ї змінної для i -го спостереження ( i < span align = "justify"> = 1, 2, ..., n), у i - значення результативної ознаки для i -го спостереження .
Найбільш часто використовувана множинна лінійна модель регресійного аналізу має вигляд
(6)
де ? j - параметри регресійної моделі;
? j - випадкові помилки спостереження, що не залежні один від одного, мають нульову середню і дисперсію ? 2 .
Відзначимо, що модель (6) справедлива для всіх i = 1,2, ..., n, лінійна відносно невідомих параметрів ? 0 ,? 1 , ...,? j , ...,? k і аргументів.
Як випливає з (6), коефіцієнт регресії B j показує, на яку величину в середньому зміниться результативний ознака у, якщо змінну х j збільшити на одиницю виміру, тобто є нормативним коефіцієнтом.
У матричної формі регресійна модель має вигляд
(7) <...
