The problem of structural-parametric synthesis of multiple linear regression models on the input variables in conditions of partial multicollinearity is solved in the work. The partial multicollinearity phenomenon of input arguments conduces to a variance estimates increase of the regression model parameters, and makes difficult to explain the impact of input variables to the dependent variable. Substantial multicollinearity conduces to impossibility of output estimation model. Classical stepwise procedures of the factors selection do not solve the problem of multicollinearity. Thus, the design of structural-parametric multiple regression methods considering limitation of partial multicollinearity are relevant

В работе решается задача структурно-параметрического синтеза модели множественной линейной регрессии в условиях частичной мультиколлинеарности входных переменных. Алгоритм осуществляет исключение переменных по оценке мультиколлинеарности методом Фаррара-Глобера. Оптимизация параметров шагового алгоритма осуществляется в соответствии с внешним критерием - нормированная относительная среднеквадратичная ошибка на проверочной выборке данных. Рассмотрен пример моделирования эффективности функционального состояния дыхательной системы пациента по величине потребления кислорода. Сравнение результатов стандартного Stepwise и предложенного алгоритмов показало преимущество последнего на экзаменационной выборке данных