kozinova_a.t._praktikum_po_ekonometrike_fup
.pdfИспользуя линейные коэффициенты парной корреляции, приведенные в табл. 4.1.1, определим частные коэффициенты корреляции группы
макроэкономических показателей: IRSN (y ), |
IPC F (x1), I RR (x2 ) – и оценим |
||||||||||||||||||||||||||||
тесноту их связи. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Частные коэффициенты корреляции нулевого порядка – коэффициенты |
|||||||||||||||||||||||||||||
линейной парной корреляции: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
ryx |
|
= −0,246 ; |
ryx |
= 0,934 ; rx x |
2 |
= −0,035 . |
|||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
||||
Частные коэффициенты корреляции первого порядка: |
|||||||||||||||||||||||||||||
|
|
|
|
|
= |
|
|
ryx - ryx |
× rx x |
2 |
|
|
|
= |
|
- 0,598 |
|
> |
|
= |
|
- 0,246 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
ryx ×x |
|
|
|
|
1 |
|
2 |
1 |
|
|
|
|
|
ryx |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
(1 - r 2 |
)× |
(1 - r2 |
) |
||||||||||||||||||||||
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
yx2 |
|
x1x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
= |
|
|
ryx |
- ryx |
× rx |
x |
|
|
= 0,955 > ryx |
= 0,934 |
|
|||||||||||||
ryx |
|
×x |
|
2 |
|
1 |
2 1 |
|
|
|
|||||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
1 |
|
|
|
(1 - r2 )× (1 - r |
2 |
) |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
yx1 |
|
x2 x1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Согласно приведенным частным коэффициентам корреляции, можно сделать следующие выводы:
прямая связь между оборотом общественного питания и денежными доходами в среднем на душу населения остается сильной после исключения влияния цен продуктов питания;
обратная связь между оборотом общественного питания и
|
потребительскими |
ценами |
на |
продукты |
питания |
становится |
|||||
|
существенной после исключения влияния денежных доходов в среднем |
||||||||||
|
на душу населения. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 4.1.2 |
||
|
|
|
Коррелограмма показателей |
|
|
|
|
|
|||
|
коэффициенты |
IRSN (y ) |
|
IPC F (x1) |
|
I RR (x2 ) |
|
||||
|
автокорреляции |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
r1 |
|
-0,467 |
|
0,005 |
|
|
|
-0,695 |
|
|
|
r2 |
|
0,018 |
|
-0,300 |
|
|
|
0,381 |
|
|
|
r3 |
|
-0,473 |
|
-0,080 |
|
|
|
-0,644 |
|
|
|
r4 |
|
0,972 |
|
0,503 |
|
|
|
0,958 |
|
|
|
r5 |
|
-0,453 |
|
-0,288 |
|
|
|
-0,696 |
|
|
|
r6 |
|
0,024 |
|
-0,433 |
|
|
|
0,390 |
|
|
|
r7 |
|
-0,462 |
|
-0,082 |
|
|
|
-0,643 |
|
|
|
r8 |
|
0,965 |
|
0,535 |
|
|
|
0,942 |
|
|
|
r9 |
|
-0,491 |
|
-0,184 |
|
|
|
-0,674 |
|
|
|
Согласно |
коррелограммам |
временных |
|
рядов |
показателей, |
|||||
представленным |
в табл. 4.1.2, |
имеется |
значимая |
сезонная |
компонента у |
||||||
|
|
|
|
61 |
|
|
|
|
|
|
|
показателей: оборот общественного питания (IRSN ) и денежные доходы на
душу населения (I RR ), так как r4 = max rk > 0,7 . Влияние сезонного фактора k
на цены продуктов питания (IPC F ) можно назвать существенным, но не
сильным, так как 0,5 < r4 = 0,503 ≈ r8 = max rk = 0,535 < 0,7 . k =1,9
Оценим сезонную компоненту показателей с помощью фиктивных показателей и МНК. Результаты расчета приведены в табл. 4.1.3.
|
|
|
Таблица 4.1.3 |
Сезонная компонента показателей (%) |
|
||
показатель |
IRSN |
IPC F |
I RR |
|
|
|
|
сезонная компонента |
S (y) |
S (x1) |
S (x2 ) |
|
|
|
|
1 квартал |
88,17 |
104,87 |
86,16 |
|
|
|
|
2 квартал |
109,56 |
103,90 |
116,97 |
|
|
|
|
3 квартал |
105,64 |
99,72 |
106,07 |
|
|
|
|
4 квартал |
109,09 |
104,60 |
118,56 |
|
|
|
|
Следует отметить то, что модели сезонной компоненты для показателей: оборот общественного питания (IRSN ) и денежные доходы на душу населения (I RR ), являются «удачными» с точки зрения статистических критериев. Что
касается модели сезонной компоненты для индекса цен продуктов питания (IPC F ), то такой вывод, к сожалению, сделать нельзя (нельзя сделать вывод по
предпосылке об отсутствии автокорреляции остатков).
Оценим тесноту связи показателей после исключения из них сезонных компонент. Результаты расчета линейных коэффициентов парной корреляции приведены в табл. 4.1.4.
Таблица 4.1.4 Корреляционный анализ показателей без сезонных компонент
коэффициенты |
Z = y − S (y) |
u1 = x1 − S (x1) |
u2 = x2 − S (x2 ) |
||
корреляции |
|||||
|
|
|
|||
|
|
|
|
||
Z = y − S (y) |
1 |
|
|
||
|
|
|
|
|
|
u1 = x1 |
− S (x1) |
-0,213 |
1 |
|
|
|
|
|
|
|
|
u2 = x2 |
− S (x2 ) |
0,440 |
0,114 |
1 |
|
|
|
|
|
|
Согласно приведенной табл. 4.1.4, можно сделать следующие выводы:
62
сильная прямая связь между оборотом общественного питания и денежными доходами в среднем на душу населения была обусловлена, прежде всего, влиянием сезонного фактора, тем не менее, связь между ними остается существенной и после исключения сезонной компоненты;
после исключения сезонных компонент сохранилась слабая обратная связь между оборотом общественного питания и потребительскими ценами на продукты питания;
после исключения сезонных компонент, по-прежнему, практически отсутствует связь между потребительскими ценами на продукты питания и денежными доходами в среднем на душу населения.
Частные коэффициенты корреляции первого порядка:
|
|
|
|
= |
|
|
rzu |
- rzu |
× ru u |
2 |
|
|
|
= |
|
- 0,295 |
|
> |
|
= |
|
- 0,213 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
rzu ×u |
|
|
|
|
|
1 |
2 |
1 |
|
|
|
|
|
rzu |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
(1 |
- r2 )× (1 - r2 |
) |
|
||||||||||||||||||||||||
|
1 |
|
2 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
zu2 |
|
u1u2 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
= |
|
|
rzu |
2 |
- rzu |
× ru u |
|
|
= 0,478 > rzu |
= 0,440 |
|
|||||||||||||
rzu |
|
×u |
|
|
|
|
|
|
1 |
2 1 |
|
|
|
|||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
1 |
|
|
|
(1 - r |
2 )× (1 - r |
2 |
) |
|
|
|
|
|
|
2 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
zu1 |
u2u1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Согласно приведенным частным коэффициентам корреляции, можно сделать следующие выводы:
прямая связь между оборотом общественного питания и денежными доходами в среднем на душу населения без сезонных компонент остается существенной после исключения влияния цен продуктов питания без сезонной компоненты;
обратная связь между оборотом общественного питания и потребительскими ценами на продукты питания без сезонных компонент
становится более существенной после исключения влияния денежных доходов в среднем на душу населения без сезонной компоненты.
Итак, выполненный корреляционный анализ предложенной группы показателей позволяет сделать вывод о значимом влиянии на оборот общественного питания в РФ периода 2000 – 2008 гг., прежде всего, денежных доходов на душу населения (I RR ).
Оценим параметры модели линейной парной регрессии, с помощью метода наименьших квадратов, реализованного в инструменте «Регрессия» надстройки «Анализ Данных» MS EXCEL. Модель принимает вид:
yˆ = 35,11 + 0,64 x2
Коэффициент детерминации данной модели (R2 » 0,8725) достаточно близок к единице. Модель значима в целом согласно критерию Фишера
(F ≈ 232,63) с приемлемым уровнем значимости (α » 9,02 *10-17 << 0,05). Предположение о незначимости всех параметров отклоняется, согласно
критерию Стьюдента, с приемлемым уровнем значимости
(α » 4,28*10-9 << 0,05).
63
Остатки модели случайны, поскольку их график имеет большое количество локальных экстремумов (20).
M (ε ) ≈ ε ≈ −3,16 *10−15 ≈ 0 .
Не нарушена предпосылка об отсутствии автокорреляции соседних остатков, согласно критерию Дарбина Уотсона, т. к.:
d ≈ 1,79 ≈ dU ; α = 0,05; n = 36; m = 1; dU = 1,52 .
Практически не нарушено предположение о наличии нормального закона распределения у остатков модели:
εt ≤ 2,3; ( t = 1,36)
SE
Итак, модель можно использовать для анализа и прогнозов исследуемого показателя.
Оценим параметры модели линейной регрессии оборота общественного питания IRSN (y ) с двумя факторами: потребительскими ценами на продукты
питания IPC F (x1) и денежными доходами в среднем на душу населения I RR (x2 ). Модель принимает вид:
yˆ = 108,49 − 0,71x1 + 0,63 x2
Коэффициент детерминации данной модели (R2 ≈ 0,918) достаточно близок к единице. Модель значима в целом согласно критерию Фишера
(F ≈ 184,81) с приемлемым уровнем значимости (α ≈ 1,19 *10−18 << 0,05). Предположение о незначимости всех параметров отклоняется, согласно
критерию Стьюдента, с приемлемым уровнем значимости (α < 0,00015 << 0,05). Остатки модели случайны, поскольку их график имеет большое
количество локальных экстремумов (19).
M (ε ) ≈ ε ≈ 9,5 *10−15 ≈ 0 .
Практически не нарушена предпосылка об отсутствии автокорреляции соседних остатков, согласно критерию Дарбина Уотсона, т. к.:
d ≈ 1,57 ≈ dU ; α = 0,05; n = 36; m = 2; dU = 1,59 .
Не нарушено предположение о наличии нормального закона распределения у остатков модели:
εt ≤ 2; ( t = 1,36).
SE
Итак, модель может использоваться для анализа и прогнозов исследуемого показателя. Отклонение от точечного прогноза определим по формуле: y ≈ t0,95;33 SE ≈ 5,57 .
Тем не менее, более внимательный анализ графика остатков, приведенного на рис.4.1.1 позволяет предположить наличие тренда у моделируемого показателя. Включение в модель фактора – время вполне оправдано.
64
Рис. 4.1.1. График остатков регрессионной модели |
оборота общественного питания в РФ |
Оценим параметры модели с тремя факторами, с помощью метода наименьших квадратов, реализованного в инструменте «Регрессия» надстройки «Анализ Данных» MS EXCEL. Модель принимает вид:
yˆ = 104,41 − 0,69 x1 + 0,63 x2 + 0,115t
Коэффициент детерминации данной модели (R2 ≈ 0,935) еще ближе к единице. Модель значима в целом согласно критерию Фишера (F ≈ 153,39) с
приемлемым уровнем значимости (α ≈ 4,56 *10−19 << 0,05).
Предположение о незначимости всех параметров отклоняется, согласно критерию Стьюдента, с приемлемым уровнем значимости (α < 0,0069 < 0,05).
Остатки модели случайны, поскольку их график имеет большое количество локальных экстремумов (19).
M (ε ) ≈ ε ≈ −9,9 *10−15 ≈ 0 .
Не нарушена предпосылка об отсутствии автокорреляции соседних
остатков, согласно критерию Дарбина Уотсона, так как |
d ≈ 1,97 ≈ 2 . |
Практически не нарушено предположение о наличии нормального закона распределения у остатков модели:
εt ≤ 2,2; ( t = 1,36)
SE
Итак, модель может использоваться для анализа и прогнозов исследуемого показателя. Следует отметить то, что модель оборота общественного питания в РФ, включающая две составляющие, факторную и тренд, с точки зрения статистических критериев стала лучше, ее коэффициент детерминации больше, стандартная ошибка меньше.
65
Рис.4.1.2. Моделирование оборота общественного питания в РФ
Согласно полученной модели, оборот общественного питания в России, в процентах к предыдущему кварталу, в среднем увеличивается на 0,115% за квартал. Эластичность моделируемого показателя по факторам составляет, соответственно: -0,69 по ценам продуктов питания и +0,63 по денежным доходам в среднем на душу населения.
В качестве значений факторов для прогнозов можно предложить значения сезонных компонент. На рис. 4.1.2 и в табл. 4.1.5 и приведены результаты прогнозирования. Отклонение от точечного прогноза определим по формуле:
y ≈ t0,95;32 SE ≈ 5,04 .
Таблица 4.1.5
Прогноз оборота общественного питания в России (в %)
|
|
точечный прогноз |
доверительный |
фактические |
||
|
|
прогноз |
||||
|
t* |
|
||||
квартал |
|
значения |
||||
|
|
|
||||
yˆ * = f (X * )+ T (t* ) |
yˆ * − y |
yˆ * + y |
||||
|
|
показателя |
||||
|
|
|
|
|
|
|
1 кв.2009 |
37 |
91,05 |
86,01 |
96,09 |
72,5 |
|
|
|
|
|
|
|
|
2 кв.2009 |
38 |
111,24 |
106,20 |
116,28 |
105,5 |
|
|
|
|
|
|
|
|
3 кв.2009 |
39 |
107,35 |
102,31 |
112,39 |
101,2 |
|
|
|
|
|
|
|
|
4 кв.2009 |
40 |
111,99 |
106,95 |
117,03 |
107,6 |
|
|
|
|
|
|
|
|
1 кв. 2010 |
41 |
91,51 |
86,47 |
96,55 |
84,6 |
|
|
|
|
|
|
|
|
2 кв. 2010 |
42 |
111,70 |
106,66 |
116,74 |
109,1 |
|
|
|
|
|
|
|
Следует отметить, что прогнозы на все кварталы, кроме последнего, оказались завышены, сказалось наличие аномального падения оборота общественного питания населения РФ в это время.
66
4.2.Задания для самостоятельной работы
Таблица 4. 2 Данные, представленные в процентах к предыдущему кварталу
квартал |
IRSN |
|
IPC F |
IRR |
|
|
|
|
|
1 кв. 00 |
94,3 |
|
101,4 |
89,3 |
|
|
|
|
|
2 кв. 00 |
104,4 |
|
106,1 |
117,0 |
|
|
|
|
|
3 кв. 00 |
102,6 |
|
102,6 |
108,0 |
4 кв. 00 |
107,8 |
|
106,1 |
118,6 |
|
|
|
|
|
1 кв. 01 |
92,8 |
|
107,9 |
89,5 |
2 кв. 01 |
106 |
|
106,8 |
118,7 |
|
|
|
|
|
3 кв. 01 |
104,1 |
|
97,9 |
108,2 |
4 кв. 01 |
107,1 |
|
104,5 |
114,3 |
|
|
|
|
|
1 кв. 02 |
88,1 |
|
104,3 |
88,7 |
2 кв. 02 |
108,5 |
|
103,2 |
116,0 |
|
|
|
|
|
3 кв. 02 |
104,7 |
|
98,2 |
107,4 |
|
|
|
|
|
4 кв. 02 |
106,7 |
|
105,3 |
119,3 |
|
|
|
|
|
1 кв. 03 |
86,6 |
|
104,9 |
91,0 |
2 кв. 03 |
107,8 |
|
102,6 |
112,9 |
|
|
|
|
|
3 кв. 03 |
106,1 |
|
98,4 |
104,7 |
|
|
|
|
|
4 кв. 03 |
110,3 |
|
104,1 |
120,5 |
|
|
|
|
|
1 кв. 04 |
88,7 |
|
103,9 |
89,2 |
|
|
|
|
|
2 кв. 04 |
108,3 |
|
102,1 |
107,9 |
|
|
|
|
|
3 кв. 04 |
105,1 |
|
101,1 |
106,4 |
|
|
|
|
|
4 кв. 04 |
108,4 |
|
105,3 |
121,5 |
1 кв. 05 |
88 |
|
105,4 |
85,3 |
|
|
|
|
|
2 кв. 05 |
112,1 |
|
103,9 |
118,0 |
3 кв. 05 |
104,5 |
|
98 |
104,9 |
|
|
|
|
|
4 кв. 05 |
111,2 |
|
102,5 |
121,1 |
1 кв. 06 |
86,3 |
|
107,1 |
83,1 |
|
|
|
|
|
2 кв. 06 |
114,2 |
|
100,6 |
121,2 |
3 кв. 06 |
108,4 |
|
99 |
103,2 |
|
|
|
|
|
4 кв. 06 |
108,9 |
|
101,7 |
120,1 |
|
|
|
|
|
1 кв. 07 |
84,8 |
|
102,7 |
81,0 |
|
|
|
|
|
2 кв. 07 |
114,1 |
|
103,9 |
120,2 |
|
|
|
|
|
3 кв. 07 |
107,1 |
|
101,9 |
106,2 |
|
|
|
|
|
4 кв. 07 |
112,8 |
|
107,8 |
123,2 |
|
|
|
|
|
1 кв. 08 |
83,9 |
|
106,2 |
78,3 |
2 кв. 08 |
110,6 |
|
105,9 |
120,8 |
|
|
|
|
|
3 кв. 08 |
108,2 |
|
100,4 |
105,6 |
4 кв. 08 |
108,6 |
|
104,1 |
108,4 |
|
|
|
|
|
1 кв. 09 |
72,5 |
|
105,2 |
82,5 |
2 кв. 09 |
105,5 |
|
101,7 |
121,3 |
|
|
|
|
|
3 кв. 09 |
101,2 |
|
98,5 |
98,3 |
4 кв. 09 |
107,6 |
|
100,1 |
119,0 |
|
|
|
|
|
|
|
67 |
|
Втабл. 4.2 представлены показатели Федеральной службы
государственной статистики РФ:
IRSN – оборот общественного питания (y ),
IPC F – индекс потребительских цен на продукты питания (x1), IRR – денежные доходы в среднем на душу населения (x2 ).
Используя данные за 2000 – 2008 гг., представленные в табл. 4.2:
оценить тесноту связи показателей, с помощью линейных коэффициентов парной корреляции;
оценить тесноту связи показателей, с помощью частных коэффициентов корреляции;
определить структуру временных рядов показателей, используя коррелограммы показателей;
построить модели временных рядов показателей, оценить их качество;
оценить тесноту связи показателей за вычетом установленных компонент,
спомощью линейных коэффициентов парной корреляции;
оценить тесноту связи показателей за вычетом установленных компонент,
спомощью частных коэффициентов корреляции;
использовать результаты корреляционного анализа, для моделирования оборота общественного питания в РФ с учетом факторов, а именно, индекса потребительских цен на продукты питания, денежных доходов на душу населения в РФ и времени;
дать прогноз оборота общественного питания на 2009г.; сравнить прогнозы с фактическими значениями оборота общественного питания.
Все расчеты по моделированию макроэкономического показателя выполнить на разных промежутках времени: i = n0, n; n = 36; n0 = 5,15 .
68
Глава 5. Решение типовых задач с помощью MS Excel
Вначале нужно подключить надстройку «Пакет анализа»:
Щелкните по кнопке «office». На экране монитора появится диалоговое окно, представленное на рис.5.1.
Щелкните по кнопке «Параметры Excel». На экране монитора появится диалоговое окно, представленное на рис.5.2.
В левом блоке окна «Параметры Excel» следует выбрать «Надстройки». В правом блоке окна надстройки будут представлены в виде двух групп. Выделите «Пакет анализа», если эта надстройка находится в группе неактивных надстроек приложений. Перейдите к управлению надстройками Excel и щелкните по кнопке «Перейти». На экране монитора появится диалоговое окно, представленное на рис.5.3.
В блоке «Доступные надстройки» диалогового окна «Надстройки»
следует отметить «Пакет анализа» и щелкнуть по кнопке «ОК».
Чтобы обеспечить доступ к инструментам подключенной надстройки «Пакет анализа» в главном меню следует выбрать «Данные» и в блоке «Анализ» щелкнуть по кнопке «Анализ данных». На экране монитора появится диалоговое окно, представленное на рис.5.4.
Для иллюстрации работы с инструментами «Анализа данных» будем использовать массив данных, показанных на рис.5.5.
Матрицу парных коэффициентов корреляции для массивов данных можно получить с помощью инструмента «Корреляция». В главном меню следует выбрать: Данные / Анализ / Анализ данных.
На экране монитора появится диалоговое окно, представленное на рис.5.6. В блоке «Инструменты анализа» следует отметить «Корреляция» и
щелкнуть по кнопке «ОК». Далее следует заполнить диалоговое окно инструмента «Корреляция», состоящее из двух блоков: «Входные данные»,
«Параметры вывода».
Содержание блока «Входные данные»:
«Входной интервал» – укажите массив ячеек, включающий все анализируемые данные. На рис.5.7 указан массив ячеек «$B$1:$I$13»
«Группирование» – отметьте, как представлены данные по показателям, по столбцам (как на рис.5.7) или по строкам.
«Метки» – отметьте, если первая строка (столбец) включает имена данных. На рис.5.7 метки в первой строке отмечены.
Вблоке «Параметры вывода» можно выбрать любой из вариантов:
«Выходной интервал» – укажите только левую верхнюю ячейку. На рис.5.7 указана ячейка «$A$15».
«Новый рабочий лист» – можно не указывать или задать произвольное имя нового листа.
«Новая рабочая книга» – чаще в ней нет необходимости.
69
Заполнив диалоговое окно инструмента «Корреляция», щелкните по кнопке «ОК». На экране монитора появится результат вычислений. На рис.5.8 таблица коэффициентов линейной парной корреляции показателей представлена в массиве ячеек «$A$15:$I$23».
Матрица коэффициентов корреляции симметрична относительно главной диагонали. Инструмент «Корреляция» не заполняет числами ячейки выше главной диагонали таблицы. Ячейка, соответствующая двум показателям, указанным в первой строке и первом столбце, содержит коэффициент корреляции этих показателей. Например, на рис.5.8 в ячейке «$D$20» находится коэффициент линейной парной корреляции показателей X 2 и X 4 .
Параметры линейной множественной регрессии и оценку значимости модели в целом и по параметрам согласно критериям Фишера и Стьюдента можно получить с помощью инструмента «Регрессия». В главном меню следует выбрать: Данные / Анализ / Анализ данных.
На экране монитора появится диалоговое окно, представленное на рис.5.9. В блоке «Инструменты анализа» следует отметить «Регрессия» и
щелкнуть по кнопке «ОК». Далее следует заполнить диалоговое окно инструмента «Регрессия»: «Входные данные», «Параметры вывода».
Содержание блока «Входные данные»:
«Входной интервал Y » – укажите диапазон ячеек, включающий данные моделируемого показателя, один столбец. На рис.5.10 указан массив ячеек «$B$1:$B$13».
«Входной интервал X » – укажите диапазон ячеек, включающий используемые данные по факторам, один или несколько столбцов. На рис.5.10 указан массив ячеек «$C$1:$C$13».
«Метки» – отметьте, если первая строка включает имена данных. На рис.5.10 метки в первой строке отмечены.
Вблоке «Параметры вывода» можно выбрать любой из вариантов:
«Выходной интервал» – можно указать только левую верхнюю ячейку;
«Новый рабочий лист» – можно не указывать или задать произвольное имя нового листа. На рис.5.10 указано имя нового листа «Y X1».
«Новая рабочая книга» – чаще в ней нет необходимости.
Вблоке «Параметры вывода» в разделе «Остатки» можно отметить любую из предлагаемой информации:
«Остатки»
«Стандартные остатки»
«График остатков»
«График подбора»
Заполнив диалоговое окно инструмента «Регрессия», щелкните по кнопке «ОК». На экране монитора появится результат вычислений «ВЫВОД ИТОГОВ», как на рис.5.11.
70