Компьютерный практикум в пакете Statistica. Баркова Л.Н - 36 стр.

                                   36
       Multiple R= ,87464206 – коэффициент множественной корреляции.
       R 2(R1)= ,76499874 – коэффициент детерминации (квадрат
коэффициента множественной корреляции). Он показывает долю общего
разброса, которая объясняется построенной моделью.
       Adjusted R 2= ,72583186 – скорректированный коэффициент
детерминации. Adjusted R2(R1)=1-(1-R1)*(n/(n-p)). Здесь n – число
наблюдений в модели, p – число параметров модели.
       Standard error of estimate: 1945,8944227 – стандартная ошибка
оценки. Эта статистика является мерой рассеяния наблюдаемых значений
относительно регрессионной прямой.
       Intercept – оценка свободного члена прогрессии. Значение
коэффициента в уравнении регрессии.
       Std.Error – стандартная ошибка оценки свободного члена
       F=19,53178 – значение критерия F.
       df – число степеней свободы F-критерия.
       p – уровень значимости F-критерия.
       t(6) and p-value – значение t-критерия и уровня p.
       Нашей задачей было построить модель вида STOIMOST=
А+b*SQUARE и исследовать значимость регрессии, а также адекватность
построенной модели исходным данным.
       В информационной части смотрим на значение коэффициента
детерминации
 R2= ,76499874. Это значит, что построенная регрессия объясняет 76,5%
разброса значений переменной относительно среднего.
       Во второй части информационного окна система сама говорит о
значимых регрессионных коэффициентах, высвечивая строку: SQUARE
beta=0.875 и поясняя ниже (significant beta is highlighted)(значимые beta
высвечены). В данном случае beta есть стандартизованный коэффициент b,
т.е. коэффициент при независимой переменной SQUARE .
       Перейдем к итоговым результатам регрессии - Regression Summary.
Нажмем кнопку Regression Summary в функциональной части окна
результатов. На экране появится электронная таблица вывода результатов
(рис.5).




               Рис. 5. Краткие результаты регрессии.
     В ее заголовке повторены основные результаты предыдущего окна.
Кроме того, в столбцах итоговой таблицы регрессии приведены оценки
параметров модели Y=A+bX и их статистические характеристики.
     Из таблицы видим, что модель имеет вид: