Некоторые методы оценки надёжности результатов множественной линейной регрессии:

• Коэффициент детерминации. 13 Служит мерой адекватности модели: чем он больше, тем лучше (при прочих равных условиях) оценено уравнение регрессии. 3
• Индекс корреляции. 1 Анализирует тесноту связи переменных. 1
• Средняя относительная ошибка. 1 Помогает вычислить отклонение расчётных значений уравнения от фактических данных. 1 Если отклонение не превышает 15%, то речь идёт о хорошо подобранном уравнении регрессии. 1
• F-критерий Фишера. 2 С его помощью проверяют значимость уравнения множественной регрессии в целом. 2 Для этого сравнивают фактическое и критическое (табличное) значения F-критерия Фишера. 2
• t-критерий Стьюдента. 2 Применяется для оценки статистической значимости коэффициентов линейной регрессии и линейного коэффициента парной корреляции. 2 Согласно t-критерию выдвигается гипотеза Н0 о случайной природе показателей, то есть о незначимом их отличии от нуля. 2 Далее рассчитываются фактические значения критерия путём сопоставления их значений с величиной стандартной ошибки. 2 Сравнивая фактическое и критическое (табличное) значения t-статистики, принимают или отвергают гипотезу Н0. 2
• Изучение графика остатков. 1 Позволяет увидеть какие-либо зависимости, которые не были учтены в модели, и показать выбросы. 1