Эконометрическое изучение и анализ посевных площадей, урожая и урожайности картофеля — страница 10

множественного коэффициента корреляции. Он показывает, какая доля дисперсии результативного признака объясняется влиянием независимых переменных. Также это квадрат корреляции Пирсона между двумя переменными. Он выражает количество дисперсии, общей между двумя переменными. Коэффициент принимает значения из интервала [0; 1]. Чем ближе значение к 1, тем в большей степени уравнение регрессии пригодно для прогнозирования.

Функциональная связь возникает при значении равном 1, а отсутствие связи – 0. При значениях показателей тесноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50%. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели

имеют низкое практическое значение. [1, с.79]   Рассчитает коэффициент детерминации:                                                                                            (6)                 3.3 Средняя ошибка

аппроксимации     Средняя ошибка аппроксимации – среднее отклонение расчетных значений от фактических, допустимы предел – не более 8 – 10%. Фактические значения результативного признака отличаются от теоретических. Чем меньше это отличие, тем ближе теоретические значения подходят к эмпирическим данным и лучше качество модели. Величина отклонений  фактических и расчетных значений результативного признака

 по  каждому наблюдению представляет собой ошибку аппроксимации. Их число соответствует объему совокупности. В отдельных случаях ошибка аппроксимации может оказаться равной нулю. Для сравнения используются величины отклонений, выраженные в процентах к фактическим значениям. Поскольку () может быть величиной как положительной, так и отрицательной, ошибки аппроксимации для каждого наблюдения принято определять в

процентах по модулю. Отклонения () можно  рассматривать как абсолютную ошибку аппроксимации, и как относительную ошибку аппроксимации. Чтобы иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению, определяют среднюю ошибку аппроксимации как среднюю арифметическую простую. [16, с.106]   Среднюю ошибку аппроксимации рассчитаем по формуле: