Таким образом, из таблицы 3.4 видно, что эмпирические коэффициенты регрессии соответственно равны: а0 = 913,3780503; а1 = -0,01752;  а2 = -0,032973. Тогда уравнение множественной линейной регрессии, связывающей величину y x1 и x2, имеет вид:  = 913,3780503 + 0,01752 Х₁ – 0,032973 Х_2.

При увеличении валовых расходов на 1 д.ед., ЧП   уменьшается на -0,01752 при постоянстве объема валовых доходов.

При увеличении валовых доходов на 1 грн.., ЧП увеличивается на 0,032973, при постоянстве объема валовых расходов.

Величина коэффициента множественной корреляции R, который характеризует тесноту связи между факторными и результативным признаками обозначена как множественный R и равна 0,180615. Поскольку теоретически величина данного коэффициента находится в пределах от –1 до +1, то можно сделать вывод о невысокой статистической взаимосвязи между величинами  x1, х2 и величиной y.

Параметр R-квадрат, представленный на рисунке, представляет собой квадрат коэффициента корреляции r_xy² и называется коэффициентом детерминации. Величина данного коэффициента характеризует долю дисперсии зависимой переменной y, объясненную регрессией (объясняющей переменной x). Соответственно величина 1 - r_xy² характеризует долю дисперсии переменной y, вызванную влиянием всех остальных, неучтенных в эконометрической модели объясняющих переменных. Из рисунка видно, что доля всех неучтенных в полученной эконометрической модели объясняющих переменных приблизительно составляет: 1 – 0,03262 = 0,96738, или 96,74 %.

Недостаточно высокая степень точности прогноза получилась за счет низкой автокоррелированности динамического ряда, связанного с его малой длиной. В результате можно сделать следующие выводы и обобщения: в связи с неста­бильным характером переходного периода в экономике и существенными геополити­ческими изменениями, происшедшими в последние время, прогнозирование целесо­образно проводить на коротком временном ряду. При построении краткосрочных прогно­зов возникает необходимость учитывать колебания цен, уровня инфляции и изменения законодательства. Для решения этих задач были применены следующие методические подходы: учет связи с предысториями и выбор полинома оптимальной степени.