Лостовистойности. Мерки за въздействие на част от регресията. В центъра лост варира от 0 (няма влияние) до (N-1) / N. Прогнозни интервали от време. Горните и долните граници за средните и индивидуалните прогнозирани интервали. Средна. Долна и горна граници (две променливи) за предсказване интервал от средната прогнозира отговор. Лице. Долна и горна граници (две променливи) за прогнозирани интервали на зависимите променливи за един случай. Доверителен интервал. Въведете стойност между 1 и 99,99, за да се определи нивото на достоверност за два прогнозирани интервала. Средна или индивидуална стойност трябва да бъдат избрани, преди да бъде въведена тази стойност. Типични стойности на доверителен интервал са 90, 95 и 99. Остатъци. Действителната стойност на зависима променлива минус стойността предсказана от регресия уравнение. Нестандартизирани. Разликата между наблюдаваната стойност и стойността предсказана от модела. 闰 Стандартизирани. Остатъкът разделен на оценката на неговото стандартно отклонение. Стандартизираните остатъци, които са известни като Пирсънови остатъци, имат стойност от 0 и стандарто отклонение от 1. 闰Studentized. Остатъкът разделен на оценката на неговото стандартно отклонение, което варира за всеки отделен случай, в зависимост от разстоянието на стойностите на всеки отделен случай независимите променливи от средните стойности на независимите променливи. 闰 Заличени. Остатъкът за случаите, когато този случай се изключва от изчисляването на регресните коефициенти. Това е разликата между стойността на зависима променлива и предвижданата коригирана стойност. 闰 Заличена Studentized Заличените остатъци за случай разделен на стандартната грешка. Разликата между заличените Studentized остатъцу и свързаните с нея Studentized остатъци показва каква разлика елиминирането на случая прави при своята собствена прогноза. статистика на влиянието. Промяната в коефициентите на регресия (DfBeta [и]) и прогнозираните стойности (DfFit), които са резултат от изключването на един конкретен случай. Стандартизираните DfBetas и DfFit стойности също са на разположение заедно с съотношението на ковариация. 闰 DfBeta (а). Разликата в бета стойността е промяната в коефициента на регресия, което води до изключването на един конкретен случай. Стойността се изчислява за всеки термин в модела, включително константата.
