Качество построенной модели регрессии оценивается с помощью индекс корреляции R
. (2.10)
или коэффициента детерминации R2 = (R)2 вычисляемого как квадрат индекса корреляции. Для линейной регрессии R 2 = r2xy. Коэффициент детерминации R 2 принимает значения в диапазоне
0 ≤ R 2 ≤ 1.
Чем ближе величина R 2 к единице, тем лучше уравнение регрессии согласуется с данными наблюдений. При R = 1 зависимость становится функциональной, т. е. соотношение выполняется для всех наблюдений.
Коэффициент детерминации R 2 интерпретируется следующим образом. Величина R 2 показывает, какая доля общей дисперсии (вариации) результативного признака у объясняется построенным уравнением регрессии. Например, значение R 2 = 0,75 означает, что уравнение регрессии объясняет 75 % общей дисперсии (вариации) результативного признака у.
Точность построенной модели регрессии оценивается с помощью средней квадратической ошибки (ε кв) либо средней ошибки аппроксимации ()
ε кв = . (2.11)
Средняя ошибка аппроксимации – среднее относительное отклонение расчетных значений от наблюдаемых
(2.12)
Чем выше ниже средняя ошибка аппроксимации ε кв, тем лучше модель регрессии описывает исходные данные.
Построенное уравнение регрессии можно считать удовлетворительным, если значение не превышает 10–12 %.