Аналогичные расчёты проводятся и для любого другого заданного уровня надёжности γ. Интерпретация результатов

Величина R² характеризует долю общей дисперсии зависимой переменной, обусловленную воздействием объясняющих переменных. Т.о. около 56,39% вариации рентабельности (Y) объясняется вариацией оборачиваемости ненормируемых оборотных средств (X₁), фондоотдачей (X₂) и оборачиваемостью нормируемых оборотных средств (X₄), а 43,61% вариации вызвано воздействием неучтенных в модели и случайных факторов. Таким образом, можно сделать вывод, что модель достаточно адекватно отражает исследуемый процесс.

Коэффициент регрессии показывает среднюю величину изменения зависимой переменной Y при изменении объясняющей переменной X на единицу собственного изменения. Знак при коэффициенте указывает направление этого изменения.

Коэффициент регрессии при X₁ показывает, что при росте оборачиваемости ненормируемых оборотных средств на единицу рентабельность Y в среднем уменьшается на 0,4926 единиц. Построенная выше интервальная оценка показывает, что с вероятностью 0,95 при росте оборачиваемости ненормируемых оборотных средств на единицу уменьшение рентабельности будет в пределах от 0,21 до 0,7753 единиц.

Аналогично, коэффициент при X₄ свидетельствует о том, что при росте оборачиваемости нормируемых оборотных средств на единицу рентабельность в среднем уменьшается на 0,0510 единиц, а с вероятностью 0,95 при росте оборачиваемости нормируемых оборотных средств на единицу уменьшение рентабельности будет в пределах от 0,0102 до 0,0917 единиц.

Коэффициент при X₂ свидетельствует о том, что при росте фондоотдачи на единицу рентабельность в среднем увеличивается на 6,8525. Из полученной интервальной оценки можно сделать вывод, что с вероятностью 0,95 при росте фондоотдачи на единицу увеличение рентабельности будет в пределах от 3,4233 до 10,2823 единиц.

3.3. Сравнение исходных данных с рассчитанными по уравнению регрессии

В графе Предсказанное Y (Predicted Y) мы получили Y, рассчитанное по уравнению регрессии, т.е. Ŷ. Добавим столбец исходных данных Y (таб.12) и, выделив область этих двух столбцов, построим диаграмму сравнения расчётных и реальных значений исследуемого показателя. Можно ранжировать предприятия в порядке возрастания значения признака и построить другую диаграмму сравнения (рис. 2).

Отклонения расчетного значения Y от фактического показаны в графе Остатки (Residuals). Проанализировав графу Стандартные остатки (Standart Residuals) можно прийти к выводу, что предприятия № 7, 19 демонстрируют большую рентабельность, чем в среднем по всем рассматриваемым предприятиям. А для предприятия № 26 характерна обратная ситуация – отрицательное отклонение от линии регрессии.

Таблица 12

Сравнительная таблица исходных данных показателя рентабельности (Y) с рассчитанными с помощью построенной линейной регрессионной модели

Наблюдение	Наблюдаемое Y	Предсказанное Ŷ	Остатки	Стандартные остатки
1	13,26	11,372	1,888	0,494
2	10,16	11,782	-1,622	-0,425
3	13,72	13,019	0,701	0,183
4	12,85	10,578	2,272	0,595
5	10,63	13,252	-2,622	-0,687
6	9,12	11,912	-2,792	-0,731
7	25,83	17,984	7,846	2,055
8	23,39	18,595	4,795	1,256
9	14,68	14,021	0,659	0,173
10	10,05	5,860	4,190	1,097
11	13,99	16,084	-2,094	-0,548
12	9,68	4,292	5,388	1,411
13	10,03	13,741	-3,711	-0,972
14	9,13	9,595	-0,465	-0,122
15	5,37	4,156	1,214	0,318
16	9,86	12,881	-3,021	-0,791
17	12,62	14,339	-1,719	-0,450
18	5,02	9,750	-4,730	-1,239
19	21,18	13,751	7,429	1,946
20	25,17	23,798	1,372	0,359
21	19,4	16,071	3,329	0,872
22	21	17,094	3,906	1,023
23	6,57	10,150	-3,580	-0,938
24	14,19	19,277	-5,087	-1,332
25	15,81	16,677	-0,867	-0,227
26	5,23	12,597	-7,367	-1,929
27	7,99	12,984	-4,994	-1,308
28	17,5	15,254	2,246	0,588
29	17,16	18,375	-1,215	-0,318
30	14,54	15,887	-1,347	-0,353

Рис.2. Диаграммы сравнения исходных данных показателя рентабельности (Y) с рассчитанными с помощью линейной регрессионной модели

Приложение 1