Модель (в широком смысле) – аналог, условный образ какого – либо процесса или события, приближено воссоздающий оригинал. По количеству включаемых факторов модели делятся на однофакторные и многофакторные. Наиболее разработанной в теории статистики является методология парной корреляции – однофакторный корреляционный и регрессионный анализ. Построение и анализ двух мерной модели является основой для изучения многофакторных связей. Важнейшим этапом построения модели (уравнения регрессии) является установление исходной информации. Уравнение однофакторной (парной) линейной корреляционной связи имеет вид. y¯ =a0+a1x . a – показывает силу связи между вариацией факторного признака и результативного. Параметры уравнения а0, а1 находят методом наименьших квадратов. Для практического использования моделей регрессии большое значение имеет их адекватность, т. е. соответствие фактическим статистическим данным. При численности объектов анализа до 30 единиц возникает необходимость проверки значимости каждого коэффициента регрессии с помощью t – критерия Стьюдента. Проверка адекватности регрессионной модели может быть дополнена корреляционным анализом (сначала определить тесноту корреляционной связи). После проверки адекватности установление точности и надежности уравнения регрессии его нужно проанализировать. Для удобства используют коэффициент эластичности. Он показывает среднее изменение результативного признака при изменении факторного признака на 1%. Э = а1х¯/у¯.(см билет 15)