В качестве значения зависимой переменной лучше брать фактически наблюденное значение:
Гипотезы, лежащие в основе модели множественной регрессии, являются естественным обобщением модели парной регрессии:
Для анализа статистической значимости полученных коэффициентов множественной линейной регрессии необходимо оценить только дисперсию:
Естественно считать, что число ограничений превосходит числа параметров и ограничения линейно независимы:
Значения экономических переменных определяется обычно влиянием одного фактора:
Коэффициент детерминации (R*R) возрастает при добавлении еще одного регрессора:
Коэффициент детерминации (R*R) всегда является положительным числом:
Коэффициент детерминации характеризует долю вариации (разброса) зависимой переменной, объясненной с помощью данного уравнения:
Основная цель множественной регрессии - построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель:
Оценка метода наименьших квадратов приводит к смещенной оценке:
Попыткой устранить эффект, связанный с ростом (R*R) при возрастании числа регрессоров, является коррекция (R*R )на число регрессоров:
Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели:
При оценке множественной регрессии для обеспечения статистической надежности требуется, чтобы число наблюдений в 3 раза превосходило число оцениваемых параметров:
При проверке гипотез можно пользоваться только одним из двух критериев - Стьюдента или Фишера:
Решение системы линейных уравнений может быть осуществлено только методом Гаусса:
Точную границу приемлемости показателя R*R возможно указать сразу для всех случаев: