Среднеквадратическая ошибка модели определяется как в парной регрессии.

Частный F=критерий Фишера ()

Cлужит мерой для оценки включения фактора в модель. Пусть дана множественная модель с 2-мя факторными переменными, тогда частный и позволяют оценит целесообразность включения в уравнение регрессии фактора х₁ после фактора х₂ и х₂ после х₁ соответственно.

1. Выдвигаем нулевую гипотезу

Н₀: включение фактора х_i после х_i+1 нецелесообразно

2. =

=

3. F_табл (α, k_1, k₂)

4. Сравниваем наблюдаемое и табличное значения. Делаем вывод:

Если F_набл> F_табл, то нулевая гипотеза отклоняется и делается вывод о том, что дополнительное включение фактора х₁ после фактора х₂ статистически оправдано (целесообразно).

Если F_набл<F_табл, то нулевая гипотеза принимается и делается вывод о том, что дополнительное включение фактора х₁ после фактора х₂ статистически не оправдано (нецелесообразно).

Взаимосвязь показателей частного коэффициента корреляции, частного F-критерия и t-критерия Стьюдента для коэффициентов чистой регрессии может использоваться в процедуре отбора факторов: отсев факторов при построении уравнения регрессии методом исключения можно осуществлять, исключая на каждом шаге фактор с наименьшим значением частного коэффициента корреляции и частного F-критерия при условии, что коэффициент при этом фактро статистически значим по t-критерию Стьюдента.