Критические значения для стандартной ошибки оценки регрессии (Std. Error of estimate) Опции

[Pinus]

Стандартная ошибка оценки регрессии (Std. Error of estimate) ? является показателем качества аппроксимации результатов наблюдений. Ее квадрат интерпретируется как дисперсия остатков, представляющая ошибку измерения, с которой любое измеренное значение Y предсказывается для данного значения X по известному уравнению (если уравнение регрессии оценивается из неопределенно большого числа наблюдений). При поиске лучшей модели стоит минимизировать Std. Error of estimate.
Вопрос: существуют ли какие-либо придержки удовлетворительных значений или критические точки для стандартной ошибки оценки регрессии? Как оценить полученное значение, много или мало?

[Pinus]

Это все так, конечно. Понятно, что для выбора модели прежде всего следует опираться на теоретический анализ изучаемого явления. Однако часто бывает, что нами изучается какой-то небольшой интервал процесса, и при наличии хотя бы условно большой выборки мы можем выбирать модель для аппроксимации, опираясь, скажем на диаграмму рассеяния. Понятно, что могут быть огрехи, но надо смотреть здраво и понимать, что сделанные выводы ? это только неотвергнутые с заданной вероятностью гипотезы. А ?заиграться? можно не только с регрессией, но и со статистикой вообще и с дифурами тоже.
Вопрос не в этом. Есть стандартные процедуры регрессионного анализа и определенный набор параметров и методов. Да, коэффициент детерминации ? важный показатель, но это еще не весь регрессионный анализ (если, конечно, не делать его на уровне Микрософт Эксэль). Ну, объяснили мы предикторами 80% дисперсии отклика ? это хорошо. А какая она эта дисперсия вообще? Может быть она огромная, очень большой разброс, или маленькая ? есть ведь разница?
Всегда также рассчитывают стандартную ошибку оценки регрессии (Std. Error of estimate). Думаю, что для чего-то этот показатель нужен и вероятно он чем-то отличается и что-то отражает, раз его везде приводят при оценке точности регрессии. Что он отражает (если я ошибся в своих оценках) и как им практически воспользоваться? Судя по расчетам, Std. Error of estimate может принимать совершенно различные значения: от долей единицы до десятков, и вероятно зависит от единиц измерения изучаемой величины. Что в таком случае делать с этим показателем?