Основное назначение регрессионных моделей – достаточно точное предсказание выходной переменной у по значениям входов х.
Для однофакторных моделей с одним входом
х достаточно хорошее представление о качестве аппроксимации экспериментальных данных даёт диаграмма рассеяния с нанесённым на неё графиком полученной регрессионной модели, по возможности дополненным границами доверительных интервалов (см. рис. 4.3)
Рис. 4.3
Более общим способом, пригодным для моделей с одним и несколькими входами, является т.н. мера неопределённости модели, выражаемая отношением оценок СКО ошибки модели 
и выходной переменной у.
(4.48)
Можно показать, что если модель ищется в виде 
где 
то
(4.49)
Отсюда следует, что 
, (4.50)
Причём чем качественнее (информативнее) модель, тем ближе 
к нулю.
Показатель (1.67) можно интерпретировать следующим образом. Если не строить никакой модели у(х), то в качестве наилучшей оценки 
резонно принять среднее значение 
. Ошибка такой оценки будет характеризоваться знаменателем (4.48). Построенная модель у(х) тем лучше, чем меньше её ошибка (числитель (4.48)) по сравнению с ошибкой наиболее примитивной модели 
(знаменатель (4.48)).
Часто для оценки качества модели используется также т.н. коэффициент множественной детерминации
. (4.51)
Очевидно, что 
причем чем ближе В к 1, тем более она детерминирована, т.е. тем меньшую роль играют случайные факторы.
