Л.Г. Ветров, А.Л. Сунчалина
10
данного фактора на отклик. Если
Р
-значение для параметра
i
a
боль-
ше 0,05, то имеет смысл попробовать исключить данный фактор из
модели.
О качестве модели говорит такой показатель, как множествен-
ный коэффициент корреляции. Это, по сути, коэффициент корреля-
ции между реальными значениями отклика
Y
и прогнозируемыми
значениями по модели линейной регрессии. Другим параметром, ха-
рактеризующим качество модели, является коэффициент «нормиро-
ванный R-кадрат», который учитывает число используемых факто-
ров. Чем ближе этот коэффициент к 1, тем более адекватной является
подобранная модель. Если исключение фактора из модели приводит
к возрастанию коэффициента этого фактора из модели «нормирован-
ный R-квадрат», то этот фактор использовать в модели не имеет
смысла.
В табл. 5 приведен фрагмент итогов обработки модели линейной
регрессии зависимости отклика
Y
от факторов
X
1
,
X
2
и
X
3
. Анализ
столбца, содержащего
Р
-значение, говорит о том, что, возможно,
второй фактор в этой модели является лишним.
Таблица 5
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R
0,9959
R-квадрат
0,9919
Нормированный R-квадрат
0,9912
Стандартная ошибка
1,1581
Наблюдения
40
Коэффиц. Станд. ошибка t-статистика
P-значение
Y
-пере-
сечение
0,597
0,569
1,049
0,301111846
X
1
2,047
0,032
63,800
1,24059E-38
X
2
–0,498
0,668
–0,746
0,4606597
X
3
5,424
0,534
10,153
4,13493E-12
Дальнейший анализ, после исключения второго параметра из
модели, показывает (табл. 6), что предположение имеет основание:
хотя множественный коэффициент корреляции несколько уменьшил-
ся, коэффициент «нормированный R-квадрат» при этом вырос.
