- середня квадратична (стандартна) похибка:

(2.34)

- коефіцієнт апроксимації:

(2.35)

Чим меншими є значення S та V, тим краще рівняння регресії описує (апроксимує) взаємозв’язок між Х та Y.

На четвертому етапі оцінюється тіснота зв’язку за допомогою лінійного коефіцієнта кореляції (r):

(2.36)

Значення коефіцієнта кореляції г знаходиться в межах від -1 до +1. При г>0 зв'язок між показниками прямий, а при г<0 - обернений. Якщо: |r| < 0,3 вважається, що зв'язок між X та У практично відсутній; 0,3 <|r| < 0.5 -зв'язок слабкий, 0,5 <|r| <0,7- зв'язок середній, 0,7< |r| <0.9 - зв'язок сильний, 0,9 <|r| <1- зв'язок дуже сильний.

Коефіцієнт детермінації D=r2 показує, на скільки відсотків варіація У обумовлюється варіацією X.

Часто також визначається коефіцієнт еластичності (Е) за формулою:

(2.37)

Цей коефіцієнт показує, на скільки процентів змінюється У при збільшенні Х на 1%.

На п'ятому етапі здійснюється перевірка суттєвості (не випадковості) взаємозв'язку між показниками за допомогою F-критерія Фішера:

(2.38)

де К1=m-1; К2=n-m; n - кількість одиниць у сукупності; m - кількість параметрів у рівнянні регресії.

Таким чином, кореляційно-регресійний аналіз застосовується для знаходження щільності зв'язку між факторами та результативним показником, що не перебувають у функціональному зв'язку, або іншими словами, залежність між якими випадкова. Наприклад, залежність між продуктивністю праці і виробничим стажем працівника. Так, внаслідок дії фактора підвищення кваліфікації робітників продуктивність їхньої праці набуває тенденції до зростання. При цьому ймовірн1сть факторного впливу визначається щільністю зв'язку факторів з передбачуваною узагальнюючою економічною характеристикою [Коробов].