Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
Y-пересечение | 265,65 | 2,93 | 90,75 | 0,00 | 259,72 | 271,59 | 259,72 | 271,59 |
R=(LFD+SFD)-(LFU+SFU) | 0,22 | 0,03 | 7,90 | 0,00 | 0,17 | 0,28 | 0,17 | 0,28 |
Pr | 0,02 | 0,00 | 7,48 | 0,00 | 0,01 | 0,02 | 0,01 | 0,02 |
Рисунок 1 - График временной изменчивости наблюдаемого и предсказанного значений Ta
Анализ остатков регрессионной модели
Для оценки качества регрессионной модели были проведены следующие проверки:
· Построен общий график остатков в координатах нормального распределения (гистограмма);
· Оценена зависимость остатков от времени.
Рисунок 2 - Гистограмма остатков регрессионной модели
Рисунок 3 - График зависимости остатков от времени
Анализ графика зависимости остатков регрессионной модели от времени позволяет сделать вывод о наличии горизонтальной полосы рассеяния. Отсутствуют признаки наличия гетероскедастичности, дисперсия остатков постоянна.
Характеристики остатков регрессионной модели:
· Максимальное значение: 0,58 К;
· Минимальное значение: -0,43 К;
· Среднее значение: 0,00 К.
Выводы пошаговой модели МЛР методом исключения в MS Excel
Наиболее релевантной представляется модель зависимости температуры воздуха от двух параметров:
· Радиационный баланс (R);
· Осадки (Pr);
Ввод дополнительных параметров не оказывает существенного влияния на коэффициент детерминации (max R2 = 0,7337 при шести параметрах против R2 = 0,7033 при двух). Данная модель обладает наибольшими (из представленных) значениями t и F-статистик, а также удовлетворяет другим показателям качества регрессионной модели.
Расчет модели МЛР методом включения в пакете «Статистика»
Анализ
Для анализа в пакете «Статистика» использовался тот же набор данных, что и в разделе 3.
Таблица расчета для наилучшей модели представлена ниже.