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.
lne) siis Y muutub 100a1% võrra Lin- Y=c0+a1ln Kui X muutub E=a1*(1/Y) log(logaritmiline) X 1% võrra, siis Y muutub 0,01a1 võrra Ruutfunktsiooni mudel (parabool) Kõige enam praktikas kasutamist leidnud mittelineaarse funktsiooni tüübiks on parabool ehk ruutmudel. Y=a0+a1*X+a2*X2+e Võrrelda lihtsa regressiooni ja ruutfunktsiooni mudeli korrigeeritud determinatsioonikordaja R2 väärtusi. Kui ruutfunktsiooni mudeli korrigeeritud determinatsioonikordaja R2 on suurem kui lihtsa regressioonimudeli R2, siis on ruutfunktsiooni mudel selgitanud suurema osa sõltuva muutuja Y varieeruvusest. Hüperboolne mudel Hüperbooli ehk pöördvõrdelise sõltuvuse korral regressioonivõrrand omab järgmist kuju. Y=a0+a1*(1/X)+e
annaabi.ee 
