- •Исходные данные
- •Расчет параметров линейного уравнения регрессии
- •Задание 2
- •Исходные данные
- •Расчет t-статистики
- •Матрица коэффициентов парной корреляции
- •Дисперсионный анализ
- •Регрессионная статистика
- •Задание 3
- •Исследуемая совокупность по уровню рентабельности и производительности труда
- •Расчетная таблица
- •Задание 4
- •Динамика начисленной реальной заработной платы по региону Северо-Западного федерального округа в сопоставимых ценах, руб.
- •Расчет параметров линейного тренда
- •Задание 6
- •Список литературы
- •Приложения
- •Расчетная таблица по линейному тренду
- •Расчетная таблица по параболическому тренду
Задание 2
По имеющимся данным (таблица 3) изучите зависимость выработки продукции на 1 человека от ввода в действие основных фондов и удельного веса рабочих высокой квалификации для этого:
-
Рассчитайте уравнение множественной регрессии, выражающее зависимость выработки от ввода в действие основных фондов и удельного веса рабочих высокой квалификации, проверьте правильность расчетов, дайте интерпретацию параметров уравнения;
-
Оцените адекватность модели по F-критерию;
-
Оцените тесноту связи результативного и факторных признаков;
-
Рассчитайте стандартизированные коэффициенты регрессии, коэффициенты эластичности, коэффициенты раздельной детерминации, множественный коэффициент детерминации, сделайте выводы;
-
Оцените целесообразность включения в уравнение множественной регрессии первого факторного признака после включенного второго и второго после включенного первого по частным F- критериям Фишера.
Таблица 3
Исходные данные
Номер предприятия |
Выработка продукции на 1 человека, тыс. руб. у
|
Ввод в действие основных фондов (% от стоимости фондов на конец года) х1 |
Удельный вес рабочих высокой квалификации в общей численности рабочих, % х2 |
1 2 3 4 5 6 7 8 9 10 11 12 |
7,0 7,0 7,0 8,0 8,0 8,0 10,0 9,0 11,0 9,0 11,0 12,0 |
4,0 3,8 4,8 5,4 4,4 5,3 6,8 6,0 6,4 6,8 7,2 8,0 |
16,0 17,0 19,0 19,0 20,0 20,0 20,0 21,0 22,0 22,0 25,0 28,0 |
Линейное уравнение множественной регрессии:
Для нахождения числовых значений искомых параметров, как и в случае одной независимой переменной, пользуются методом наименьших квадратов. Он сводится к составлению и решению системы нормальных уравнений, которая имеет следующий вид.
Когда система состоит из трех и более нормальных уравнений, ее решение усложняется. При ручном счете можно воспользоваться методом Гаусса, однако существуют стандартные программы расчета неизвестных параметров регрессионного уравнения на ЭВМ. Для нахождения параметров данного уравнения воспользуемся пакетом Microsoft Excel.
Данное уравнение показывает, что при увеличении ввода в действие основных фондов на 1%, выработка растет в среднем на 0,769 тыс. руб./чел., а при увеличении доли рабочих высокой квалификации в общей численности на 1% выработка растет в среднем на 0,191 тыс. руб./чел.
Таблица 4
Расчет t-статистики
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение () |
Y-пересечение |
0,539 |
1,464 |
0,368 |
0,721 |
Переменная X1 |
0,769 |
0,341 |
2,254 |
0,051 |
Переменная X2 |
0,191 |
0,140 |
1,367 |
0,205 |
Если значения t-критерия больше 2-3, можно сделать вывод о существенности данного параметра, который формируется под воздействием неслучайных причин. В данном случае статистически значимыми являются и , а величина сформировалась под воздействием случайных причин, поэтому фактор , силу влияния которого оценивает , можно исключить как несущественно влияющий, неинформативный.
На это же указывает показатель вероятности случайных значений параметров регрессии: если меньше принятого уровня (обычно 0,1; 0,05 или 0,01; это соответствует 10%; 5% или 1% вероятности), делают вывод о неслучайной природе данного значения параметра, т.е. о том, что он статистически значим и надежен. В противном случае принимается гипотеза о случайной природе значения коэффициентов уравнения. В данном случае , что позволяет рассматривать как неинформативный фактор и удалить его для улучшения данного уравнения.
Величина оценивает агрегированное влияние прочих (кроме учтенных в модели факторов и ) факторов на результат .
Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в данном уравнении множественной регрессии. Линейные коэффициенты частной корреляции оценивают тесноту связи значений двух переменных, исключая влияние всех других переменных, представленных в уравнении множественной регрессии.
Таблица 5