Позволяет установить статистическую зависимость среднего значения одной случайной величины У от множества переменных (Х1, Х2, …, Хn). В общем виде уравнение имеет следующий вид: y=a0+a1*x1+a2+x2+a3*x3…+an*x. Выполняется опция множественной регрессии с помощью меню Relate\Multiple Regression [1]. В качестве зависимой переменной (Dependent Variable) используют одну переменную. Независимых переменных (Independent Variable) может быть множество.
В окне результата множественной регрессии (рисунок 26) представлена таблица параметров модели и таблица дисперсионного анализа модели. Ниже приводятся оценочные показатели:
R-Squard – коэффициент детерминации;
R-Squard (adjusted for d.f.) – скорректированный коэффициент детерминации с учетом степеней свободы;
Standard Error of Est. – среднеквадратическое отклонение (стандартная ошибка);
Mean absolute error – средняя абсолютная ошибка остатков.
Для визуальной оценки качества построенной модели используют пиктограмму графических опций с выводом графика Observed versus Predicted (рисунок 27).
Рисунок 26– Диалоговое окно результата множественного анализа
|
|
Рисунок 27 – Диалоговое окно связи точек наблюдения (уi) и прогноза (увыр.)
Контрольные вопросы
1 Что служит основой регрессионного анализа?
2 Как происходит подбор модели?
3 Как происходит оценка параметров модели?
4 Правила подбора оптимальной модели.
5 Как происходит подбор полиномиальной модели?
6 Как происходит подбор множественной линейной регрессии?
Сравнение данных и подбор распределений