where y is the fitted freight volum

where y is the fitted freight volume, x1 is GDP, x2 is the fixed investment.
Fitted freight volume versus actual freight volume based on
MLR, NLR, and SLR is shown in Fig. 2. But in, the predicted
transport data is compared with actual data. Finally the polynomial
model gives the best result. The model based on NLR is the polynomial
model in this paper. So we can get the root mean squared error of
calibration (RMSEC) of MLR, NLR, and SLR models from Table 2:

ผลลัพธ์ (ไทย) 1:

ที่ y เป็นปริมาตรตู้ขนส่งสินค้า x 1 เป็น GDP, x 2 เป็นการลงทุนถาวรติดตั้งขนส่งเสียงเมื่อเทียบกับปริมาณสินค้าจริงตามMLR, NLR และ SLR จะแสดงในรูป 2 แต่ การคาดการณ์ข้อมูลขนส่งเปรียบเทียบกับข้อมูลจริง สุดท้ายพหุนามรูปแบบให้ดีที่สุด รูปแบบที่อิง NLR คือ พหุนามรูปแบบในเอกสารนี้ ดังนั้น เราจะได้รับรากเฉลี่ยกำลังสองข้อผิดพลาดของการสอบเทียบ (RMSEC) MLR, NLR, SLR รุ่นแบบจากตารางที่ 2:

ผลลัพธ์ (ไทย) 2:

ที่ Y คือปริมาณการขนส่งสินค้าติดตั้ง, X1 เป็นจีดีพี X2 คือการลงทุนที่ได้รับการแก้ไข.
ปริมาณการขนส่งสินค้าติดตั้งเมื่อเทียบกับปริมาณการขนส่งสินค้าที่เกิดขึ้นจริงขึ้นอยู่กับ
อัตราดอกเบี้ย MLR, NLR และ SLR แสดงในรูป 2. แต่ในการคาดการณ์
ข้อมูลการขนส่งจะถูกเปรียบเทียบกับข้อมูลที่เกิดขึ้นจริง สุดท้ายพหุนาม
รูปแบบการให้ผลที่ดีที่สุด รูปแบบขึ้นอยู่กับ NLR เป็นพหุนาม
รุ่นในบทความนี้ ดังนั้นเราจึงสามารถได้รับรากคลาดเคลื่อนกำลังสองเฉลี่ยของ
การสอบเทียบ (RMSEC) ร้อยละ MLR, NLR และรูปแบบ SLR จากตารางที่ 2:

ผลลัพธ์ (ไทย) 3:

Y คือปริมาณการขนส่งสินค้าที่ติดตั้ง , มี GDP X1 X2 คือการลงทุนคงที่ .พอดีกับปริมาณการขนส่งสินค้าปริมาณการขนส่งสินค้าจริงตามอัตราดอกเบี้ย NLR และ SLR จะแสดงในรูปที่ 2 แต่ใน พยากรณ์การขนส่งข้อมูลเปรียบเทียบกับข้อมูลจริง ในที่สุดพหุนามแบบให้ผลดีที่สุด รูปแบบตาม NLR เป็นพหุนามโมเดลกระดาษนี้ แล้วเราก็จะได้รากหมายถึงความคลาดเคลื่อนยกกำลังสองการสอบเทียบ ( rmsec ) อัตราดอกเบี้ย NLR และ SLR รุ่นจากตารางที่ 2 :