an align="justify">, в третьому стовпці - стандартні помилки коефіцієнтів рівняння регресії, а в четвертому - t -статистика, яка використовується для перевірки значимості коефіцієнтів рівняння регресії.
Рівняння регресії залежності (попит на кредитні ресурси) від t t (час) має вигляд Y t = 31,33 +2,40 t (рис. 13).
Таблиця 5
Висновок залишків
В
В
Рис. 13 Графік підбору
) Оцінити адекватність побудованих моделей, використовуючи властивості незалежності залишкової компоненти, випадковості та відповідності нормальному закону розподілу (при використанні R/S-критерію взяти табульовані кордону 2,7-3,7).
Модель є адекватною, якщо математичне сподівання значень залишкового ряду випадкові, незалежні і підпорядковані нормальному закону розподілу.
. Перевіримо незалежність (відсутність автокореляції) за допомогою d - критерію Дарбіна - Уотсона за формулою:
, використовуються дані табл. 6. br/>
Таблиця 6
Розрахункова таблиця для застосування d-критерію Дарбіна-Уотсона
Спостереження
Т.к. розрахункове значення d потрапляє в інтервал від 0 до d1 (рис. 14). Властивість незалежності не виконується, рівні ряду залишків містять автокореляції. Отже, модель за цим критерієм неадекватна. br/>В
Рис. 14 Аналіз незалежності за допомогою критерію Дарбіна - Уотсона
. Перевірку випадковості рівнів ряду залишків проведемо на основі критерію поворотних точок . P> [2/3 (n-2) - 1, 96 - (16n-29)/90]
Кількість поворотних точок одно 6 (мал.15).
В
Рис. 15 Графік залишків
Нерівність виконується (6> 2). Отже, властивість випадковості виконується. Модель за цим критерієм адекватна. p>. Відповідність ряду залишків нормальному закону розподілу визначимо за допомогою RS - критерію:
, де
- максимальний рівень ряду залишків,
- мінімальний рівень ряду залишків,
- середньоквадратичне відхилення,
,
В
Розрахункове значення потрапляє в інтервал (2,7-3,7), отже, виконується властивість нормальності розподілу. Модель за цим критерієм адекватна. p align="justify"> 4) Оцінити точність моделей на основі використання середньої відносної помилки апроксимації.
Для оцінки точності отриманої моделі будемо використовувати показник відносної помилки апроксимації, який обчислюється за формулою:
, де
Таблиця 7
Розрахунок відносної помилки апроксимації
tYПредсказанное Y 13333,73-0,730,02 23536,13-1,130, 03 34038,531,470,04 44140,930,070,00 54543,331,6...
