|
11
|
0,346074
|
1,3
|
26,6210461
|
|
12
|
0,6089
|
1,9
|
32,0473499
|
|
13
|
0,906123
|
1,9
|
47,6907004
|
|
14
|
-0,569626
|
1,4
|
40,6875873
|
|
15
|
-1,014342
|
0,4
|
253,585443
|
|
16
|
-0,014492
|
0,8
|
1,81145968
|
|
17
|
0,211024
|
1,8
|
11,7235643
|
|
18
|
-0,266155
|
0,9
|
29,5727335
|
|
19
|
-0,334589
|
1,1
|
30,4172155
|
|
20
|
0,855827
|
1,9
|
45,0435012
|
|
21
|
-2,174936
|
-0,9
|
-241,65958
|
|
22
|
0,252536
|
1,3
|
19,4258446
|
|
23
|
0,933521
|
2
|
46,6760451
|
|
24
|
-0,007051
|
0,6
|
1,17515277
|
|
25
|
-0,30235
|
0,7
|
43,1928146
|
|
Сумма
|
730,173506
|
|
Ошибка
аппроксимации
|
29,2069402
|
6.
Так как по t-критерия Стьюдента отобрать значимые
факторы невозможно (все факторы множественной регрессии являются незначимыми),
то для построения модели по значимым факторам используем метод исключения. По
результатам выбранного метода наилучшей моделью для описания формирования
чистого дохода является множественная регрессионная модель со включением
факторов Х2 (использованный капитал) и Х3 (численность
служащих). Результат регрессионного анализа содержится в табл. 10-12. По
результатам таблицы 12 запишем полученное уравнение линейной регрессии: Y= 0,5247+ 0,0243Х2 + 0,0056Х3.
Оценка
параметров регрессионной модели с помощью t-критерия: табличное значение
t-критерия при 5%-ном уровне значимости и степенях свободы (25-2-1=22)
составляет 2,074. Так как для всех параметров регрессионной модели выполняется
неравенство |tрасч|>tтабл, то все коэффициенты
линейного уравнения регрессии являются значимыми (табл. 12).
Проверка
значимости уравнения регрессии с помощью F-критерия: табличное значение
F-критерия при доверительной вероятности 0,95 при v1=k=2 и v2=n-k-1=25-2-1=22
составляет 3,443. Так как для регрессионной модели выполняется неравенство Fрасч>Fтабл,
то данное линейного уравнения регрессии является значимым (табл. 11).
Оценка
качества уравнения регрессии с помощью коэффициента детерминации R2:
для данной модели около 74,8% вариации зависимой переменной Y учтено в
модели и обусловлено влиянием включенных факторов Х2, .Х3 (табл. 10).
Данный результат говорит о не высоком качестве модели.
Таблица 10
|
Регрессионная статистика
|
|
Множественный
R
|
0,865117
|
|
R-квадрат
|
0,748427
|
|
Нормированный
R-квадрат
|
0,725557
|
|
Стандартная
ошибка
|
0,754026
|
|
Наблюдения
|
25
|