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]

Нашел вот один подход к оценке величины стандартной ошибки ? делят ее на среднюю величину отклика и выражают в процентах. Получается что-то типа коэффициента вариации. Хотя это не критическое значение, но по подобию с коэффициентом вариации, на основе опытного знания о значениях такой величины для исследуемого параметра, можно полагать много, мало или нормально.
Кто что думает об этом?