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 [7], 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 T

ผลลัพธ์ (ไทย) 1:

ที่ y มีปริมาณขนส่งผ่อน GDP เป็น x 1, x 2 เป็นการลงทุนถาวรติดตั้งขนส่งเสียงเมื่อเทียบกับปริมาณการขนส่งตามจริงตามMLR, NLR และกล้อง SLR จะแสดงใน Fig. 2 แต่ ใน [7], การคาดการณ์ข้อมูลขนส่งเปรียบเทียบกับข้อมูลจริง โพลิโนเมียในที่สุดแบบจำลองให้ผลดีที่สุด แบบตาม NLR เป็นโพลิโนเมียรูปแบบในเอกสารนี้ ดังนั้น เราจะได้รับรากเฉลี่ยกำลังสองข้อผิดพลาดของสอบเทียบ (RMSEC) รุ่น MLR, NLR และกล้อง SLR จาก T

ผลลัพธ์ (ไทย) 2:

โดยที่ y คือปริมาณการขนส่งสินค้าติดตั้งที่ x1 คือจีดีพี x2 คือการลงทุนที่ได้รับการแก้ไข.
ปริมาณการขนส่งสินค้าติดตั้งเมื่อเทียบกับปริมาณการขนส่งสินค้าที่เกิดขึ้นจริงบนพื้นฐานของอัตราดอกเบี้ย MLR, NLR และ SLR แสดงในรูป
2. แต่ใน [7]
ที่คาดการณ์ข้อมูลการขนส่งเมื่อเทียบกับข้อมูลที่เกิดขึ้นจริง
สุดท้ายพหุนามรูปแบบการให้ผลที่ดีที่สุด รูปแบบขึ้นอยู่กับ NLR
เป็นพหุนามรูปแบบในเอกสารนี้ ดังนั้นเราจึงสามารถได้รับรากหมายถึงข้อผิดพลาดกำลังสองของการสอบเทียบ (RMSEC) ร้อยละ MLR, NLR และรูปแบบ SLR จาก T

ผลลัพธ์ (ไทย) 3:

Y คือปริมาณการขนส่งสินค้าที่ติดตั้ง , มี GDP X1 X2 คือคงลงทุนติดตั้งค่าขนส่งเมื่อเทียบกับปริมาณการขนส่งสินค้าปริมาณ

จริงขึ้นอยู่กับอัตราดอกเบี้ย NLR และ SLR จะแสดงในรูปที่ 2 แต่ใน [ 7 ] , ทำนาย
การขนส่งข้อมูลเปรียบเทียบกับข้อมูลจริง ในที่สุดโดย
แบบให้ผลดีที่สุด รูปแบบตาม NLR เป็นแบบจำลองพหุนาม
ในกระดาษนี้แล้วเราก็จะได้รากหมายถึงยกกำลังสองข้อผิดพลาดของ
สอบเทียบ ( rmsec ) อัตราดอกเบี้ย NLR และ SLR รุ่นจาก T