Рассматриваемые способы выбора оптимальной совокупности
предсказателей основываются на оценках по значению сводного (мно-
жественного) коэффициента корреляции. Эффективность включения
предсказателей оценивается по вкладам или по Е-критерию, одним из
распространенных вариантов которого является шаговый регрессион-
ный метод. Оценки Ё$ и $/о справедливы только для выборки, ис-
пользованной при конструировании уравнения. Переход на независи-
мый материал (собственно прогноз) эти оценки ухудшает. Причина
заключается в возможности изменения статистических параметров.
Уравнение считается устойчивым, если ухудшение показателя качест-
ва регрессии находится в допустимых пределах. В частности, для рас-
чета допустимого снижения КЁ применяется выражение:
—‘7‘-’-’-’—5—(1—18)‚ 
(8.16)
М 
- —
М
А(Ко) =
где т — число предикторов; No — число наблюдений в каждой выбор-
ке (зависимой и независимой); & — сводный коэффициент корреля-
ции для генеральной совокупности.
Связи считаются неустойчивыми, если разность значений квад-
ратов коэффициентов множественной линейной регрессии, полу-
ченных на зависимом и независимом материале, превышает А КЁ .
Необходимость иметь при анализе устойчивости уравнений рег-
рессии две выборки одинаковой длины приводит к тому, что уравне-
ние приходится устанавливать по рядам в 15 — 20 членов. Это огра-
ничивает число предикторов до одного, что крайне нежелательно. На
практике регрессионные уравнения строятся по данным всего имею-
щегося периода наблюдений. Со временем число совместных реали-
заций предикторов и предиктантов увеличивается, поэтому целесо-
образно требовать адаптации прогностических уравнений.
Первый путь адаптации заключается в пересмотре параметров
уравнений, состав предикторов при этом не изменяется. Второй
путь адаптации основан на ревизии состава совокупности предик-
торов. Если прогностическим рекомендациям предшествует тща-
тельный физико-статистический анализ предсказателей, следует
идти по первому пути.
291