Парная и множественная корреляция

Получим следующее уравнение гиперболической модели:

2. Оценим каждую модель и составим сводную таблицу вычислений, определив: индекс корреляции по следующей модели:

Для линейной модели можно вычислить линейный коэффициент парной корреляции по следующей формуле:

Данные для вычислений возьмем из таблиц 1.2. - 1.5. соответственно.

Стандартная ошибка равна:

.

По условию задачи количество наблюдений , количество факторов .

Среднюю относительную ошибку рассчитаем по формуле:

.

Коэффициент детерминации равен :

Оценку значимости уравнения регрессии проведем с помощью F-критерия Фишера:

.

. Для выбора лучшей модели построим сводную таблицу результатов (табл. 1.6).

Таблица 1.6 - Сводная таблица результатов

Выберем лучшую модель и дадим интерпретацию рассчитанных характеристик.

Степенная модель имеет меньшее значение стандартной ошибки, а также большее значение F - критерий Фишера и большее значение коэффициента детерминации R2. Ее можно взять в качестве лучшей модели для построения прогноза.

Значение средней относительной ошибки говорит о том, что в среднем расчетные значения для степенной функции отличается от фактических на 1,15%.

Связь между показателем у и фактором х можно считать весьма тесной, т.к. индекс корреляции примерно равен 0,997.

Коэффициент детерминации равен 0,9932, следовательно, вариация результата Y (объема выпуска продукции) на 99,32% объясняется вариацией фактора X (объемом капиталовложений).

для =0,05;

Т.к. , то уравнение регрессии с вероятностью 0,95 в целом статистически значимо.

. Рассчитаем прогнозные значения результативного признака, если прогнозное значение фактора увеличится на 10% относительно максимального уровня.

следовательно,

(млн. руб.).

Прогнозное значение результативного признака (объема выпуска продукции) определим по уравнению степенной функции, подставив в него планируемую величину объема капиталовложений: