ортогональная регрессия

[AndreyL]

Друзья! Получение точечных оценок параметров ортогональной регрессии не вызывает сложностей. Вопроса два:
1) как получить интервальные оценки параметров ортогональной регрессии, или, проще сказать, ковариационную матрицу оценок?
2) как доказать наличие или отсутствие зависимости? В обыкновенной линейной регрессии для этого есть коэффициент детерминированности $R^2=1-\frac{SS_{res}}{SS_{tot}}$, где $SS_{res}$- остаточная сумма квадратов, или сумма квадратов отклонения данных от регрессионной модели, $SS_{tot}$- полная сумма квадратов, или сумма квадратов отклонения данных от собственного среднего. Для обыкновенной регрессии $R^2$ подчиняется бета-распределению в случае отсутствия зависимости. В некоторых учебниках по эконометрии (например Суслов, Ибрагимов, и др., 2005) утверждается, что "аналогом коэффициента детерминации выступает величина $1-\frac{\lambda}{s^2_{\Sigma}}$, где $s^2_{\Sigma}$—суммарная дисперсия переменных $x$, равная следу матрицы $M$." ($M$ - ковариационная матрица исходных данных, $\lambda$- минимальное собственное число матрицы $M$). Но, или я не прав, или этого не может быть, поскольку $\frac{\lambda}{s^2_{\Sigma}}$ не может быть больше $\frac{1}{m}$, где $m$- порядок матрицы $M$. Или эта величина не совсем точный аналог? Какому тогда распределению она подчиняется?