Линейный коэффициент парной корреляции для линейной регрессии:
,
Линейный коэффициент корреляция оценивает тесноту связи рассматриваемых признаков (x, y)
Если
· (0,3; 0,5) - связь слабая
· (0,5; 0,7) - связь умеренная
· (0,7; 0,8) - связь достаточно тесная
· (0,8; 0,9) - связь тесная
· (0,9; 1) - связь очень тесная
Индекс корреляции для нелинейной регрессии:
,
Оценка качества построенной модели дает коэффициент (индекс) детерминации и среднюю ошибку аппроксимации.
Долю дисперсии, объясняемую регрессией в общей дисперсии результативного признака (y) характеризует коэффициент детерминации:
,
Данные формулы справедливы, если:
, (1)=0
Если , то
Средний коэффициент эластичности показывает на сколько процентов в среднем по совокупности изменится результат y от своей средней величины при изменении фактора x на 1% от своего среднего значения.
,
F-тест оценивает качество уравнения регрессии.
Выдвигается гипотеза H0, которая говорит о статистической незначимости уравнения регрессии и показателя тесноты связи.
|
|
n – число уровней
m – число параметров при переменных x
Fрасчетное сравнивают с табличным значением.
Если , то гипотеза отклоняется, т.е. уравнение значимо и надежно.
Для оценки статистической значимости коэффициентов регрессии и корреляции используют t-критерий Стьюдента и доверительные интервалы каждого из показателей.
Выдвигается гипотеза H0, которая говорит о случайно природе показателей.
; ; ma - случайная ошибка
; ; mb - случайная ошибка
; ; mr - случайная ошибка
ta, tb, tr сравнивают с табличными значениями.
Если , то гипотеза отклоняется, т.е. a, b, r неслучайно отличаются от нуля и сформировались под влиянием систематических действий фактора x.