Рис. 2.3.1. Модель лінійної регресії, в якій спостереження величини залежні

Результати перевірки адекватності та значущості цієї моделі простої лінійної регресії наведено в таблиці 2.3.1.

Таблиця 2.3.1. Результати перевірки адекватності та значущості моделі простої лінійної регресії, в якій спостереження величини залежні

F1 = 0,05 < 2,11 = F0,05;6;632, лінійна модель адекватна.

F2 = 0,03 < 3,86 = F0,05;1;638, регресія незначуща.

|t1| = 0,29 < 1,96 = t0,025;638, гіпотеза не відхиляється.

|t2| = 100 > 1,96 = t0,025;638, гіпотеза відхиляється.

Рис. 2.3.2. Графік залишків - дисперсія змінюється

Гіпотезу про нормальний розподіл залишків перевіримо за допомогою критерію.

Рис.2.3.3. Нормальний розподіл залишків

Статистика , тому залишки не можна вважати нормально розподіленими.

Статистика Бартлетта , тому дисперсія залишків змінна величина.

Отже,

1) лінійна модель адекватна;

2) регресія незначуща (гіпотеза не відхиляється; гіпотеза не відхиляється, а гіпотеза відхиляється);

3) залишки некорельовані;

4) залишки не можна вважати нормально розподіленими;

5) дисперсія залишків змінна величина.

Лінійна регресія з двома незалежними змінними. Знайдемо МНК - оцінки параметрів та перевіримо гіпотези про адекватність та значущість лінійної моделі регресії. Також зясуємо, чи виконуються припущення в цій моделі.

Результати стохастичного експерименту, за умов, що незалежні змінні обрані згідно з рис. 2.1.1, наведено на рисунку 2.3.4.