Парный коэффициент корреляции г является мерой линейной связи между двумя метрическими (измеренными интервальной или относительной шкалой) переменными. Его квадрат г измеряет долю вариации одной из переменных, обусловленную вариацией другой. Частный коэффициент корреляции — мера зависимости между двумя переменными после исключения эффекта от влияния одной или нескольких дополнительных переменных. Порядок частной корреляции указывает на количество переменных, на которые необходимо внести поправку или которые следует исключить. Коэффициенты частной корреляции могут оказаться полезными для выявления ложных связей. С помощью парной регрессии устанавливается математическая зависимость (в виде уравнения) между метрической зависимой (критериальной) переменной и метрической независимой переменной (предиктором). Уравнение описывает прямую линиию, и для его вывода используют метод наименьших В случае построения регрессии с нормированными данными отрезок, отсекаемый на оси ОУ, принимает значение, равное 0, и коэффициенты регрессии называют взвешенными "бета"-коэффициентами Силу тесноты связи измеряют коэффициентом детерминации который получают, вычисляя отношение к Стандартную ошибку уравнения регрессии используют для оценки точности предсказания, и ее можно интерпретировать как род средней ошибки, сделанной при теоретическом предсказании У, исходя из уравнения регрессии. Множественная регрессия включает одну зависимую и две (или больше) независимых переменных. Частный коэффициент регрессии представляет ожидаемое изменение когда меняется на одну единицу, а переменные от Л , до Хк остаются постоянными. Силу тесноты связи измеряют коэффициентом множественной детерминации Значимость общего уравнения регрессии проверяется общим /--критерием. Отдельные частные коэффициенты регрессии можно проверить на значимость, используя /-'-критерий приращений. Диаграммы рассеяния остаточных членов, когда их значения представлены графически в зависимости от предсказанных теоретических значений времени или предикторов, полезны для проверки соответствия основным допущениям и подобранной регрессионной модели. При пошаговой регрессии предикторы вводят или выводят из уравнения регрессии один за другим с целью выбора меньшего их числа, которые объясняют большую часть вариации критериальной переменной. неарность или очень высокая взаимная корреляция между предикторами может вызвать некоторые проблемы. Из-за того, что предикторы взаимосвязаны (коррелируют), регрессионный анализ не обеспечивает однозначного свидетельства об относительной важности предикторов. Перекрестная проверка может установить, верна ли регрессионная модель для сопоставимых данных, не использованных при ее вычислении. Она является полезным методом при оценке регрессионной Можно использовать категориальные переменные как предикторы путем их кодирования как фиктивных переменных. Множественная регрессия с фиктивными переменными предоставляет общий метод для выполнения дисперсионного и ковариационного анализа.