Regresijos tiesės patikimumo matas yra standartinė įvrtinimo paklaida. Ji žymima ir jos interpretacija panaši į standartinio vidutinio nuokrypio interpretaciją, t.y. yra dispersijos, arba išsibarstymo matas. Standartinė įvertinimo paklaida nusako stebėjimų išsibarstymą apie regresijos tiesę. Formulė, aprašanti standartinę įvetinimo paklaidą, taip pat primena standartinio nuokrypio formulę:
čia – priklausomo kintamojo reikšmės, Y’ – reikšmės, gautos iš regresijos lygties, n – stebėjimų skaičius.
Aišku, kad kuo mažesnė paklaida, tuo arčiau regresijos tiesės yra išsibarstę stebėjimai. Jeigu tai visi stebėjimai yra išsidėstę tiesėje (idealus atvejis).
Pavyzdys, Paskaičiuokime standartinę įvertinimo paklaidą pagal šios lentelės duomenis:
Ūkis | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
Arklių skaičius | 74 | 18 | 51 | 23 | 66 | 30 | 58 |
Karvių skaičius | 85 | 15 | 62 | 30 | 80 | 43 | 76 |
Sudarykime lentelę:
X | Y | Y’=-138,36+40,91X | (Yi-Y’) | (Yi-Y’)(Yi-Y’) |
14 | 442 | 434,38 | 7,62 | 58,0644 |
14 | 429 | 434,38 | -5,38 | 21,9444 |
12 | 348 | 352,56 | -4,56 | 20,7936 |
10 | 273 | 270,74 | 2,26 | 5,1076 |
Susumavę individualių paklaidų kvadratus pagal visus stebėjimus, gausime
Tuomet standartinė įvertinimo paklaida bus:
Taigi matome, kaip išsibarstę stebėjimai apie regresijos tiesę. Mano manymu, tai nėra didelė paklaida, todėl stebėjimai yra pakankamai arti tiesės.