Парная и множественная корреляция
.2 Решение задачи
. Осуществим выбор факторных признаков для построения двухфакторной регрессионной модели:
Проведем корреляционный анализ, используя инструмент Корреляция (Анализ данных в Excel) (табл. 2.2).
Таблица 2.2 - Результат корреляционного анализа
Объем прибыли,Y |
Среднегодовая ставка по кредитам,X1 |
Ставка по депозитам, X2 |
Размер внутрибанковских расходов, X3 | |
Y |
1 | |||
X1 |
0,992657 |
1 | ||
X2 |
0,988145 |
0,999443 |
1 | |
X3 |
-0,9856 |
-0,99868 |
-0,99978 |
1 |
Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. объем прибыли имеет весьма тесную связь со среднегодовой ставки по кредитам (Х1).
Х2 и Х3 весьма тесно связаны между собой (), что свидетельствует о наличии мультиколлинеарности. Целесообразно включить фактор Х3, , а не Х2 , так как слабее межфакторная корреляция . Поэтому для построения двухфакторной регрессионной модели из трех переменных оставим в модели Х1 и Х3.
В итоге получаем двухфакторную модель с факторами Х1 (Среднегодовая ставка по кредитам) и Х3 (Размер внутрибанковских расходов).
. Рассчитаем параметры модели:
Оценка параметров регрессии осуществляется по методу наименьших квадратов по формуле:
.
Таблица 2.3 - Исходные данные двухфакторной модели
t |
Y |
X0 |
X1 |
X2 |
Объем прибыли |
Среднегодовая ставка по кредитам |
Размер внутрибанковских расходов | ||
1 |
39,9573 |
1 |
136,8263 |
-48,04 |
2 |
-45,4157 |
1 |
-247,619 |
106,7567 |
3 |
-10,6174 |
1 |
-80,474 |
38,55368 |
4 |
-35,4631 |
1 |
-208,994 |
93,46888 |
5 |
-91,4663 |
1 |
-405,57 |
167,3665 |
6 |
-91,4241 |
1 |
-358,422 |
142,3765 |
7 |
-92,0873 |
1 |
-360,689 |
138,7201 |
8 |
-40,6464 |
1 |
-202,06 |
86,66781 |
9 |
-90,392 |
1 |
-369,868 |
149,9707 |
10 |
45,47677 |
1 |
127,4481 |
-39,653 |
Среднее значение |
-41,208 |
-196,942 |
83,619 | |
средн.кв.отклонение фактора |
52,85639511 |
0 |
199,7922608 |
76,81680715 |