Качество модели оценивается стандартным способом для уравнений регрессии: по адекватности и точности на основе анализа остатков регрессии ε.
Как и в случае парной линейной регрессии, коэффициент детерминации 
можно вычислить по формуле (2.9), индекс корреляции R (в случае линейной множественной регрессии он называется коэффициентом множественной регрессии) по формуле (2.10), среднюю относительную ошибку 
по формуле (2.11). Процедура проверка значимости уравнения регрессии в целом также производится аналогично случаю парной регрессии. Вычисляется F-критерий Фишера по формуле (2.12), затем определяется критическое значение и сравнивается с расчётным значением.
Произведём оценку качества модели (3.8) с использованием ряда остатков, приведённого в Таблице 6 и промежуточных результатов расчётов из Таблицы 2.
.
Исходя из полученного значения коэффициента детерминации, можно сказать, что в рамках линейной модели множественной регрессии изменение объёма продаж на 91% объясняется изменением температуры воздуха и торговой наценки.
.
Следовательно, связь между исследуемой переменной и используемым набором факторов тесная.
.
Критическое значение 
. Расчётное значение F-критерия больше критического, поэтому мы можем утверждать, что уравнение регрессии (3.8) является значимым.
Средняя относительная ошибка аппроксимации составила 63,73%, то есть точность модели следует признать неудовлетворительной и дальнейшее использованием модели признать нецелесообразным.
Поможем написать любую работу на аналогичную тему