Для оценки качества регрессионной модели можно использовать следующие методы:

1. Проверка значимости модели в целом. 1 Выполняется на основе дисперсионного анализа с помощью критерия Фишера (F-критерия). 1
2. Оценка значимости параметров функции регрессии. 1 Для этого используется критерий Стьюдента (t-критерий). 1 Согласно ему, вычисляются t-статистики, равные отношению самих параметров и их стандартных ошибок, которые сравниваются с критическими значениями. 1
3. Проверка предпосылок метода наименьших квадратов. 1 На этом этапе используют критерии Стьюдента и Фишера. 1

Также для общей оценки качества модели применяют коэффициент детерминации (R2). 24 Он показывает долю объяснённой дисперсии объясняемого ряда. 2 Чем ближе R2 к 1, тем лучше модель, тем меньше доля необъяснённого. 2

Ещё один показатель, который позволяет сравнивать модели друг с другом, — сумма квадратов остатков. 2 Сравнивая модели по этому критерию, можно определить, какая из них лучше объяснила исследуемый ряд. 2 Такой модели будет соответствовать наименьшее значение суммы квадратов остатков. 2