Дисперсійний аналіз моделі

Для аналізу якості існуючої залежності між факторами регресії використовуються коефіцієнти (індекси) детермінації і кореляції.

Залишки моделі розраховуються: = u^{^}_{і .} Перепишемо цю залежність у іншому вигляді, враховуючи, що :

у_і - = ( â₀ + â_1·x_і+ u^{^}_і) – ( â₀ + â_1· ) = â₁ ( x_і - ) + u^{^}_і

у_і - )² = â₁ ( x_і - ))² + 2 â₁ x_і - )· u_і + =

= â₁ ( x_і - ))² + 2 â₁ x_і - )·(( у_і - ) – â₁ ( x_і - )) + .

Оскільки â₁ = , то = â₁ , і

другий доданок дорівнюватиме нулю.

= - )² + .

• Дисперсія залишків ( випадкова дисперсія) D_u = = характеризує міру відхилень значень залежного фактора y_i від розрахованих значень за моделлю y_i^.

• Дисперсія залежної змінної D_у = характеризує міру відхилень значень залежного фактора y_i від середнього значення .

• Систематична дисперсія D_y^{^} = â₁ ( x_і - ))² = - )² характеризує міру відхилень розрахованих значень за моделлю y_i^ від середнього значення .

• Таким чином дисперсія залежної змінної дорівнює сумі систематичної дисперсії і дисперсії залишків: D_у = D _y^ + D_u , = - )² + .

• Коефіцієнт детермінації R² = 1- = є (0;1)

знаходиться для перевірки якості рівняння регресії і визначає характер лінійного впливу зміни значень факторів моделі на змінну Y, тобто на скільки відсотків рівняння регресії пояснює поведінку залежної змінної Y.

Крім того, показник R² може виявитися в ході розрахунків відємним, чому може сприяти:

* неякісна лінійна модель (звязок в моделі є нелінійним);

* коефіцієнт моделі а₀ є дуже і дуже малим;

* малий обсяг статистичних даних.

• Коефіцієнт кореляції R =√ R² характеризує тісноту лінійного зв’язку :

чим тіснішим є лінійний звязок між Х і Y, тим ближче R 1,

чим слабшим є лінійний звязок між Х і Y ,тим ближче R 0.

Крім того, якщо R > 0, то характер зміни Х і Y однаковий ,

якщо R < 0, то характер зміни Х і Y протилежний,

(R > 0 при а^{^}₁ > 0; R < 0 при а^{^} ₁ < 0).

якщо R (X,Y) = 0, то величини X та Y некорельовані.

або використовують вибірковий коефіцієнт кореляції R(X,Y ) є (-1;1)

• Стандартне (середнє квадратичне) відхилення оцінки ả₀ :  _ả0 =  _u^

• Стандартне (середнє квадратичне) відхилення вільного члена рівняння регресії оцінки ả₁ знаходять за формулою _ả1 = _u^

• Інтервали надійності для оцінок :

• Межі (інтервали) надійності індивідуальних прогнозних

Y^*_пр - t_{α/2; ( n-2 )} · σ _u^ < Y^*_пр < Y^*_пр + t_{α/2; ( n-2)} · σ _u^

де t_a/2 - статистика Ст'юдента, α- рівень значущості, k = n - 2 ступені свободи.