2.5. РЕЗЮМЕ К МАТРИЧНОМУ ПОДХОДУ ПРИ ПОДБОРЕ ПРЯМОЙ
1. Представим модель в форме 
2. Найдем МНК-оценку 
вектора Р, используя имеющиеся данные по формуле 
3. Составим сумму квадратов 
связанную с коэффициентами, и таким образом получим следующую таблицу дисперсионного анализа:
Дополнительное разбиение сумм квадратов достигается в результате определения величины 
дополнительной суммы
квадратов, обусловленной 
и введения «чистой» ошибки. Более детальная таблица дисперсионного анализа будет иметь форму:
Вторая таблица нередко записывается так, что в последней строке фигурирует скорректированная общая сумма квадратов, при этом сумма квадратов 
связанная со средним, опускается. (Между прочим, как мы указывали ранее, можно записать величину и 
в матричной форме как 
хотя это делать и необязательно. Однако вычисления по этой формуле менее чувствительны к ошибкам округления, чем при использовании выражения 
Сокращенная таблица имеет вид:
Проверка гипотез о неадекватности модели и о параметре 
проводится, как описано в гл. 1. В качестве дополнительной меры, характеризующей вклад регрессии, может служить отношение
4. Если не выявлено отсутствие согласия модели и экспериментальных данных (т. е. модель признается адекватной), то матрица 
дает оценки 
и позволяет
проверить гипотезы относительно отдельных коэффициентов или провести другие операции, как описано в гл. 1.
5. Могут быть найдены следующие величины:
с дисперсией
