Vabaliige b=23,2; vabaliige näitab, milline on sõltuva tunnuse y väärtus, kui sõltumatu tunnus x=0. St, kui energiaga ja põhivaraga varustatus on 0, siis y=23,2. R=0,64, seega ühe suuruse kasvamine suurendab teise keskväärtust. Korrelatsioonikordaja absoluutväärtus iseloomustab korrelatsiooni tugevust: mida suurem on lineaarse korrelatsiooni-kordaja keskväärtus, seda tugevam on seos suuruste vahel. Siin keskmine seos. Kuna F>Ftabeli(p=0,95), siis regressioonvõrrand on statistiliselt usaldatav. DW=1,6 - autokorrelatsioon puudub. Astmefunktsioon: =0,31 =0,52 Kuna +<1, siis tootlikkuse tõstmine on kahjulik. R=0,5, seega ühe suuruse kasvamine suurendab teise keskväärtust. Siin keskmine seos. Kuna F>Ftabeli(p=0,95), siis regressioonvõrrand on statistiliselt usaldatav. DW=1,5 autokorrelatsioon puudub. Veel tuleks leida D (Determinatsioonikordaja D näitab, kui suur protsent uuritava majandusnäitaja Y
Upper Coefficients Standard Error t Stat P-value Lower 95% 95% Intercept 3,902516762 0,531490252 7,342593 3,66132E-06 2,762583548 5,04245 X Variable 1 0,409323758 0,05864681 6,979472 6,45445E-06 0,283538861 0,5351087 27) Kuna P value on väiksem kui 0,05 siis regressioonvõrrand on usaldatav. 28) Saadud võrrandi jääkstandardhälve on 0,59m. Kõrguse standardhälve on1,20m. Jääkstandardhälve e. prognoosiviga iseloomustab funktsioontunnuse erinevust regressioonijoonest. 29) Determinatsioonikordaja on 0,77676. R2- determinatsioonikordaja iseloomustab, kui suur osa iseloomustab seose tugevust. 30)Käivitasin uuesti funktsiooni Regression ning tegin mitmese regressioonanalüüsi võra alguse sõltuvuse leidmiseks diameetrist ja kõrgusest
paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on võimalik modelleerida oma olemuselt erinevaid sõltuvusi. Seose tihedust isel. näitaja. 1)Üks põhiline on korrelatsioonikordaja (korr.kordaja märk ei oma mingit tähtsust). Mida suurem on korrel.kor, seda tihedam on sõltuvus faktorite vahel, seda ebausaldatavamad on andmed. Kui X suurenedes suureneb ka suuruse Y keskväärtus, siis on kor. kordaja väärtus pos. s.t r>0. Kui X suurenedes Y väärtus väheneb, siis r<0.
annaabi.ee 
