Вариации оценок параметров определяют точность уравнения множественной регрессии:
Включение в регрессионную модель новых объясняющих переменных упрощает получаемые формулы и вычисления:
Во всех функциях коэффициент эластичности зависит от значений фактора х:
Если график зависимости не демонстрирует четко выраженной параболы второго порядка (нет смены направленности связи признаков), то она может быть заменена другой нелинейной функцией, например степенной:
Если нелинейная модель внутренне нелинейна, то она никак не может быть сведена к линейной функции:
Если параболическая форма связи демонстрирует сначала рост, а затем снижение уровня значений результативного признака, то определяется значение фактора, при котором достигается максимум:
Ковариация двух переменных - математическое ожидание произведения отклонений этих переменных от их математических ожиданий:
Коэффициент детерминации является одной из наиболее эффективных оценок адекватности регрессионной модели:
Между экономическими явлениями существуют нелинейные соотношения, они выражаются с помощью соответствующих нелинейных функций:
Можно оценить значимость коэффициентов регрессии и построить доверительные интервалы для параметров регрессионной модели:
Нелинейная регрессия по включенным переменным содержит сложности в оценке ее параметров:
О. У. Филлипс установил прямую зависимость процента прироста заработной платы от уровня безработицы:
При транспонировании произведения матриц получается произведение транспонированных матриц, взятых в том же порядке:
Теорема Гаусса-Маркова, рассмотренная для парной регрессионной модели, оказывается верной и в общем виде для модели множественной регрессии: