Tabel 8. Prognoos. prognoos aasta ln(hinne) exp 2000 1,089196564 2,971885393 2002 1,140585407 3,128599333 2008 1,294444473 3,648968312 4) Regressiooniobjektideks valisime aasta ja testitulemuse. Uuritavaks tunnuseks on testitulemus, argumenttunnuseks aasta. Mudeli analüüs Alustame mudeli ja selle liikmete olulisuse hindamisest. Mudeli olulisus on p= 0,005, seega mudel on oluline (vt. Tabel 36). Kasutades mudeli liikmete koefitsente, koostame valemi prognoosi jaoks: Test = -0.184 aasta +377.099 ± 3.070 Kirjeldatuse aste on 3%. Standardiseeritud jääkide summa läheneb nullile. Standardiseeritud jääkide hulgas polnud ühtegi liiget, mille väärtus oleks üle 3 olnud ning ühtegi vaatlust polnud tarvis välja visata. Vaatlusi on 171
3.4. Lineaarne ühe argumendiga regressioonmudel Regressioonanalüüs tegeleb tunnustevaheliste seoste funktsionaalse kirjeldamisega (ehk matemaatilise võrdusena määramisena) ning selle seose täpsuse, kasulikkuse ja olulisuse hindamisega. Lineaarne mudel (lihtregressioon) on lihtsaim ja kõige sagedamini kasutatav mudel kujul Y= aX + b+e, kus tunnust Y nimetatakse sõltuvaks ehk uuritavaks ehk funktsioontunnuseks ning tunnust X sõltumatuks ehk argumenttunnuseks, a ja b on mudeli parameetrid ehk kordajad ning e on mudeli viga (graafilises mõttes hajuvusdiagrammi punktide kaugus sobitatud lineaarsest sirgest). Mudeli parameetrid a ja b määratakse valimi põhjal nii, et vead e oleksid võimalikult väikesed. Valimi põhjal leitud mudel ei kehti kogu üldkogumis kunagi 100% ega ole uuritava tunnuse jaoks kunagi 100% täpne. Mudeli olulisust üldkogumis hindame olulisustõenäosuse
annaabi.ee 
