რეგრესიულ ანალიზში განსხვავება დამოკიდებული ცვლადის დაკვირვებულ შერჩევით მნიშვნელობასა (Y) და რეგრესიით პროგნოზირებულ მნიშვნელობას (Y) შორის. მაგალითად, წრფივი რეგრესიის მოდელში ნაშთი არის სხვაობა (Y) შერჩევით მნიშვნელობასა და აგებული რეგრესიის წრფით $\stackrel{⏜}{Y}=\alpha +bX$ გამოთვლილ ${\stackrel{⏜}{Y}}_i=\alpha +b{X}_i$  მნიშვნელობას შორის, $e_i=Y_i-{\stackrel{⏜}{Y}}_i$. ასეთი ნაშთები $e_1, e_2, ....e_n$ გამოითვლება დამოუკიდებელი ცვლადის ყველა შერჩევითი $X_1, X_2,....X_n$ მნიშვნელობისათვის. ცხადია რაც უფრო მეტად ეთანხმება რეგრესიული მოდელი მონაცემებს, მით ნაკლებია ნაშთების სიდიდეები, ამიტომ ნაშთები გამოიყენება წინასწარმეტყველების სიზუსტის გაზომვისათვის. კერძოდ, რეგრესიის მოდელში შეფასების სტანდარტული შეცდომა ეწოდება სიდიდეს $S_{yx}=\sqrt{\frac{{\displaystyle \sum _{i=1}^n}(Y_i-{\stackrel{⏜}{Y}}_i){ }^2}{n-2}}$.

***

გამოყენებული ლიტერატურა:

Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. SAGE Publications Ltd.

კისი, ჰ. (2008). სტატისტიკა სოციალურ მეცნიერებებში. სოციალურ მეცნიერებათა ცენტრი.  თბილისის უნივერსიტეტის გამომცემლობა