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?

[avorotniak]

Думаю, что в Вашем случае все равно нужно указать стандартную ошибку, однако она не сможет определить качество модели.
Для определения качества подбора модели я бы посоветовал Вам использовать, с одной стороны, коэффициент детерминации, который описала Green в посте от 30 ноября, а с другой, показать графически более-менее адекватное облакообразное распределение остатков.
Удачи!