Математический аппарат регрессионного анализа позволяет: ● оценить неизвестные параметры предлагаемой к исследованию регрессионной модели; ● проверить статистическую значимость параметров модели; ● проверить адекватность модели; ● оценить точность модели. Вид регрессионной модели предлагает сам исследователь, при этом он исходит из следующего: ● физической сущности изучаемого объекта или явления; ● характера экспериментального материала; 43 ● анализа априорной информации. Самым простым для моделирования является объект, у которого один входной и один выходной фактор . Входной фактор характеризует воздействие на исследуемый объект
Если в результате расчета коэффициента корреляции rxy линейная модель признана недостаточно точной, переходят к исследованию более сложных моделей: степенной (y = b0x b1 ), экспоненциальной (y = exp(b0 + b1x)), обратной (y = b0 + b1 x или y = 1 b0 + b1x ), полинома (y = b0 + b1x + b2x 2 ). Полином и обратные модели являются линейными по параметрам, поэтому для оценки их коэффициентов регрессии, корреляции и критерия адекватности можно использовать формулы (5.10), (5.13), (5.15), (5.16). Степенная и экспоненциальная модели требуют дополнительных преобразований в виде логарифмирования.
