Kui Rm 2 väheneb, siis uue tunnuse lisamine pole õigustatud. Otsuse vastuvõtmine: Kui t-statistiku väärtus ületab kriitilise (olulisuse tõenäosus p on väiksem kui olulisuse nivoo ), on vastav parameeter oluliselt nullist erinev: tunnuse lülitamine mudelisse on põhjendatud. Vastupidisel juhul tuleks tunnus mudelist eemaldada ja viia läbi uue mudeli hindamine. Väiksem valim -> suuremad standardvead -> tekib mitteolulisus. 37. Parameetrite mitteolulisuse võimalikud põhjused. 1. Tunnus ei sobi mudelisse. 2. Teooriast lähtudes peaks tunnus suurust Y mõjutama ja mudelis olema, kuid valimi maht on liiga väike ja standardviga tuleb liiga suur. 3. Esineb multikollineaarsus · Mudelisse võetud tunnused on omavahel tugevas korrelatsioonis, ei ole sõltumatud · Parameetrite standardvigade hinnangud tulevad sel juhul suured. 4. Vabadusastmete arv n-k liiga väike, st kui tunnuste arv on suur ja valimi maht n väike.
Kui empiiriline väärtus ületab kriitilise (p
Kui lisame mudelisse ühe tunnuse, siis on korraga kaks efekti: Korrigeeritud determinatsioonikordaja tõlgendus ei ole sama, mis tavalisel determinatsioonikordajal R2 , sest valem on teistsugune, komplitseeritud. Kui suur osa koguhajuvusest on mudeliga seletatud, näitab ikka tavaline determinatsioonikordaja R2 . Korrigeeritud determinatsioonikordaja on vaid üks kvantitatiivne näitaja, mida kasutatakse erinevat arvu tunnuseid sisaldavate mudelite võrdlemiseks. 34. Parameetrite mitteolulisuse võimalikud põhjused. 1. Tunnus ei sobi mudelisse. 2. Teooriast lähtudes peaks tunnus suurust Y mõjutama ja mudelis olema, kuid valimi maht on liiga väike ja standardviga tuleb liiga suur. 3. Esineb multikollineaarsus. • Mudelisse võetud tunnused on omavahel tugevas korrelatsioonis, ei ole sõltumatud. • Parameetrite standardvigade hinnangud tulevad sel juhul suured. 4. Vabadusastmete arv n-k liiga väike, st kui tunnuste arv on suur ja valimi maht n väike
annaabi.ee 
