Таблица 6 - Регрессия

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	265,65	2,93	90,75	0,00	259,72	271,59	259,72	271,59
R=(LFD+SFD)-(LFU+SFU)	0,22	0,03	7,90	0,00	0,17	0,28	0,17	0,28
Pr	0,02	0,00	7,48	0,00	0,01	0,02	0,01	0,02

 

Рисунок 1 - График временной изменчивости наблюдаемого и предсказанного значений Ta

Анализ остатков регрессионной модели

Для оценки качества регрессионной модели были проведены следующие проверки:

· Построен общий график остатков в координатах нормального распределения (гистограмма);

· Оценена зависимость остатков от времени.

Рисунок 2 - Гистограмма остатков регрессионной модели

Рисунок 3 - График зависимости остатков от времени

Анализ графика зависимости остатков регрессионной модели от времени позволяет сделать вывод о наличии горизонтальной полосы рассеяния. Отсутствуют признаки наличия гетероскедастичности, дисперсия остатков постоянна.

Характеристики остатков регрессионной модели:

· Максимальное значение: 0,58 К;

· Минимальное значение: -0,43 К;

· Среднее значение: 0,00 К.

Выводы пошаговой модели МЛР методом исключения в MS Excel

Наиболее релевантной представляется модель зависимости температуры воздуха от двух параметров:

· Радиационный баланс (R);

· Осадки (Pr);

Ввод дополнительных параметров не оказывает существенного влияния на коэффициент детерминации (max R² = 0,7337 при шести параметрах против R² = 0,7033 при двух). Данная модель обладает наибольшими (из представленных) значениями t и F-статистик, а также удовлетворяет другим показателям качества регрессионной модели.

Расчет модели МЛР методом включения в пакете «Статистика»

Анализ

Для анализа в пакете «Статистика» использовался тот же набор данных, что и в разделе 3.

Таблица расчета для наилучшей модели представлена ниже.