> в”‚ в”‚ y в”‚ x1 в”‚ x2 в”‚ x3 в”‚ x4 в”‚ x5 в”‚
в”‚ y в”‚ 1.00 в”‚ 0.30 в”‚ 0.53 в”‚ 0.60 в”‚ -0.51 в”‚ 0.26 в”‚
в”‚ x1 в”‚ 0.30 в”‚ 1.00 в”‚ 0.27 в”‚ 0.10 в”‚ -0.33 в”‚ 0.02 в”‚
в”‚ x2 в”‚ 0.53 в”‚ 0.27 в”‚ 1.00 в”‚ 0.74 в”‚ -0.04 в”‚ 0.17 в”‚
в”‚ x3 в”‚ 0.60 в”‚ 0.10 в”‚ 0.74 в”‚ 1.00 в”‚ -0.03 в”‚ 0.15 в”‚
в”‚ x4 в”‚ -0.51 в”‚ -0.33 в”‚ -0.04 в”‚ -0.03 в”‚ 1.00 в”‚ -0.31 в”‚
в”‚ x5 в”‚ 0.26 в”‚ 0.02 в”‚ 0.17 в”‚ 0.15 в”‚ -0.31 в”‚ 1.00 в”‚
В
Аналіз матриці парних коефіцієнтів кореляції показує, що результативний показник найбільш тісно пов'язаний з показником x 3 - числом медичних працівників на 10 тисяч населення (r yx3 = 0.60).
Одним з основних перешкод ефективного застосування регресійного аналізу, є мультиколінеарності (наявність сильної кореляції між незалежними змінними, що входять в рівняння регресії x 1 , x 2 , x 3 , x 4 , x 5 ). Найбільш поширений метод виявлення коллинеарности заснований на аналізі парних коефіцієнтів кореляції. Він полягає в тому, що дві або кілька змінних визнаються колінеарними (мультиколінеарності), якщо парні коефіцієнти кореляції більше певної величини. На практиці найбільш часто вважають, що два аргументи колінеарні, якщо парний коефіцієнт кореляції між ними за абсолютною величиною більше 0,8.
У даному прикладі жоден парний коефіцієнт кореляції не перевищує величини 0,8, що говорить про відсутність явища мультиколінеарності. br/>
Приступимо безпосередньо до регрессионному аналізу. br/>
Побудуємо регресійну модель за такими чинниками: х 1 , х 2 , х 3 , х 4 і х 5 . Для розрахунку параметрів рівняння регресії використовуємо стандартну програму багатокрокового регресійного аналізу з послідовним відсівом факторів.
На першому кроці побудови моделі в рівняння лінійної регресії вводяться всі зазначені вище змінні. У результаті отримана наступна модель:
Е· =
Перш ніж здійснювати перевірку значущості рівняння регресії і коефіцієнтів регресії, слід переконатися, що виконується необхідне для цього умова, а саме слід перевірити, чи є розподіл залишків (тобто відхилень емпіричних значень залежної змінної від розрахункових) нормальним. Для перевірки даної умови використовуємо критерій згоди Пірсона, розраховані значення якого наведені нижче:
В
Перевірка нормального закону розподілу
критерій хі-квадpат
. число ступенів свободи 3
. хи-квадpат pасчетном 1.571
веpоятно. хі-квадpат висновок
уpовень теоpетически про гіпотезу
0.900 6.226 НЕ отвеpгается
0.950 7.795 НЕ отвеpгается
0.990 11.387 НЕ отвеpгается
Таким чином, можна зробити висновок, що гіпотеза про нормальність розподілу залишків не відкидається з довірчою ймовірністю 0.95 (= 7....
