Под точностью понимается величина случайных ошибок. Сравнительный анализ точности имеет смысл только для адекватных моделей: среди них лучшей признается модель с меньшими значениями характеристик точности, к которым относятся:
- максимальная ошибка соответствует максимальному отклонению расчетных значений от фактических;
- средняя абсолютная ошибка
(76)
показывает, насколько в среднем отклоняются фактические значения от модели;
- остаточная дисперсия
; (77)
- средняя квадратическая ошибка
. (78)
Средняя квадратическая ошибка является наиболее часто используемой характеристикой точности (что объясняется ее связью с остаточной дисперсией, которая играет центральную роль в регрессионном анализе). Значение средней квадратической ошибки всегда несколько больше значения средней абсолютной ошибки, но они имеют схожий смысл – характеризуют среднюю удаленность расчетных значений модели от фактических исходных данных. Обычно точность модели признается удовлетворительной если выполняется условие:
. (79)
К характеристикам точности можно отнести также множественный коэффициент детерминации
, (80)
характеризующий долю дисперсии зависимой переменной, объясненной с помощью регрессии, и множественный коэффициент корреляции (индекс корреляции):
. (81)
В случае парной линейной регрессии значение множественного коэффициента корреляции совпадает с линейным коэффициентом корреляции.
Проверка нормальности ряда остатков может быть выполнена приближенно по условиям (6) (ячейки D106 и D107). В связи с тем, что каждый из относительных показателей формы распределения меньше 1,5 эмпирическое распределение ряда остатков не противоречит нормальному.