Выбор типа регрессионного уравнения

Как слишком упрощенные, так и слишком усложнённые модели являются неточными.

Для построения подходящей регрессионной модели рекомендуется использовать метод пошаговой регрессии. Разработчик априорно намечает перечень входных переменных k и составляет k уравнений вида y=b₁+b₂x_i, i=1..k.

Методом наименьших квадратов для каждого уравнения определяют оценки параметров b₁ и b₂. и среднеквадратичные отклонения I.

Среднеквадратичное отклонение вычислялось по формуле:

По минимуму среднеквадратичного отклонения выбирают наиболее информативный фактор (обозначим его буквой m). Затем составляют k-1 уравнений вида y=b₁+b_mx_m+b_Ix_i, i=1..k, i¹ m.

Определяют оценки параметров уравнения b и по минимуму среднеквадратичного отклонения определяют следующий фактор и т.д. Процесс повторяют до тех пор, пока полученная модель не будет иметь достаточную точность, о которой можно судить по величине среднеквадратичной ошибки.

Потом добавляются остальные факторы, в качестве произведения, и так, и опять считают всё снова.