testul exact al lui Fisher pentru modelul de regresie reflectă cât de bine modelul explică variația totală a variabilei dependente. Calculul testului se realizează prin ecuația:
unde R - coeficientul de corelare;
F1 și F2 - numărul de grade de libertate.
Prima fracțiune din ecuație este explicată în raport cu variația neexplicată. Fiecare dintre aceste dispersii este împărțit prin gradul de libertate (a doua fracțiune în expresia). Gradele de libertate ale f1 varianță explicată egal cu numărul de variabile explicative (de exemplu, pentru un model liniar de forma Y = A * X + B obține f1 = 1). Gradele de libertate neexplicate f2 covarianță = -k N -1, unde N este numărul de puncte de date, k este numărul de variabile explicative (de exemplu, modelul Y = A * X + B substitut k = 1).
Pentru a testa semnificația valoarea calculată ecuația de regresie a testului exact al lui Fisher, comparativ cu tabelul. luate pentru numărul de grade de libertate f1 (bódispersia lshaya) și f2 (varianță inferior) la un nivel de semnificație ales (de obicei 0,05). Dacă testul exact al lui Fisher calculată este mai mare decât masa, varianța explicată este mult mai mare decât inexplicabile, iar modelul este semnificativ.
Coeficientul de corelație și F-pătrat test, împreună cu parametrii modelului de regresie se calculează de obicei în algoritmii care implementează metoda celor mai mici pătrate.