- •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
Регрессионная статистика
Регрессионная статистика |
|
Множественный R |
0,933 |
R-квадрат |
0,871 |
Нормированный R-квадрат |
0,843 |
Стандартная ошибка |
0,686 |
Наблюдения |
12 |
Значения скорректированного и нескорректированного линейных коэффициентов множественной детерминации приведены в таблице 7 в рамках регрессионной статистики.
Нескорректированный коэффициент множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. В данном случае эта доля составляет 87,1% и указывает на высокую степень обусловленности вариации результата вариацией факторов, т.е. - на весьма тесную связь факторов с результатом.
Скорректированный коэффициент множественной детерминации определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов в модели и потому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на высокую (более 80%) детерминированность результата в модели факторами и .
Информация для оценки с помощью частных -критериев Фишера целесообразности включения в модель после и фактора после может быть получена с помощью ППП Statgraphics.
Частный -критерий - показывает статистическую значимость включения фактора в модель после того, как в нее включен фактор . Значения частного F -критерия Фишера можно найти как квадрат соответствующего значении t -критерия Стьюдента:
Таким образом, . Вероятность случайной природы его значения (значение равно 0,205) составляет 20,5% против принятого уровня значимости = 0,05 (5%). Следовательно, включение в модель фактора - доля высококвалифицированных рабочих - после того, как в уравнение включен фактор - коэффициент обновления основных фондов - статистически нецелесообразно; прирост факторной дисперсии за счет дополнительного признака оказывается незначимым, несущественным; фактор включать в уравнение после фактора не следует.
Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат не изменится.
Вероятность его случайного формирования составила 5%, это в рамках принятого стандарта = 0,05 (5%). Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора , является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .
Общий вывод состоит в том, что множественная модель с факторами и с содержит неинформативный фактор . Если исключить фактор , то можно ограничиться уравнением парной регрессии - более простым, хорошо детерминированным, пригодным для анализа и для прогноза.
,