Hipotēzes H0: ρ2 = 0 pret H1: ρ2 > 0 pārbaude
H0: ρ2 = 0 Lineārās regresijas vienādojums statistiski nozīmīgi neizskaidro rezultatīvās pazīmes variāciju atkarībā no faktoriālās pazīmes ietekmes.
H1: ρ2 > 0 Lineārās regresijas vienādojums statistiski nozīmīgi izskaidro rezultatīvās pazīmes variāciju atkarībā no faktoriālās pazīmes ietekmes.
Pārbaude ar F-testa pieeju
F = 22,16 > F 0.05;1,15 = 4,45,
ar varbūtību 95% nulles hipotēzi noraida un pieņem alternatīvo hipotēzi, ka lineārās regresijas vienādojums statistiski nozīmīgi izskaidro rezultatīvās pazīmes variāciju atkarībā no faktoriālās
pazīmes ietekmes .
Pārbaude ar p-vērtības pieeju
Tā kā p-vērtība = 0.00028 < α = 0.05, tad noraida H0 un pieņem H1 ar P 0.95, ka lineārās regresijas vienādojums statistiski nozīmīgi izskaidro rezultatīvās pazīmes variāciju atkarībā no faktoriālās pazīmes ietekmes.
Secinājums:
Ar 95% varbūtību var pieņemt, ka lineārās regresijas vienādojums statistiski nozīmīgi izskaidro rezultatīvās pazīmes vērtību izkliedi.
Modeļa atbilstība dotiem datiem sastāda 59,63%.
8. Modeļa pielietojums prognozēšanā.
Piemērs:
Kāds būs kopējais radītais sadzīves atkritumus daudzums (tonnas), ja Strādājošo mēneša vidējā darba samaksa Latvijā sasniegs 1500 EUR?
660236,65 + 1863,19 ⋅1500 + ei =3455019,55 +ei, kur
ei – gadījuma rakstura kļūda.
…