Целью регрессионного анализа является оценка функциональной зависимости результативного признака (y) от факторных . Формулы (1) и (2) представляют собой линейные модели парной и множественной регрессии соответственно.
, (1)
, (2)
где y — фактическое значение результативного признака;
- признак-фактор;
ai – параметр регрессионной модели;
— случайная ошибка (остаток), характеризующая отклонения реального значения результативного признака от теоретического. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
Оценивание параметров линейной модели основан на обычном или одношаговом методе наименьших квадратов (1МНК или OLS – Ordinary Least Squares).
Этот метод позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака (y) от расчетных (теоретических) минимальна, формула (3).
, (3)
Статистическое моделирование связи методом линейного регрессионного анализа осуществляется в 3 этапа: