теристики загальної якості моделі регресії вводиться величина, звана коефіцієнт детермінації, рівний в нашому випадку R 2=0.591073. Ця величина показує, яку частку загальної варіації ендогенної змінної VK пояснює побудована модель. Іншими словами, модель пояснює до 59% правильності моделі, а 41% складають помилки.
Аналіз відбувається на основі F-статистики, для цього висуваються дві гіпотези:
Н 0: R 2=0 [статистично незначущий]
Н 1: R 2? 0 [статистично значущий]
Спочатку визначаємо спостережувану точку:
F н = R 2 /m =13,6363
1 - R 2 /nm - 1
Потім порівнюємо її з критичною: F 0.05; 4; 40=2.6060. Ми бачимо, що F н gt; F кр. Ці результати говорять про те, що ми приймаємо гіпотезу Н 1 про значущість коефіцієнта.
Однак R 2 збільшується при введенні в модель екзогенної змінної, навіть якщо остання не корелює зі змінною KB. Отже, необхідно перевірити на значимість коефіцієнти при пояснюють змінних.
. Гіпотеза про статистичної значущості коефіцієнтів.
Аналіз відбувається на основі Т-статистики, для цього висуваємо дві гіпотези:
Н 0: b i=0
Н 1: b i? 0
Наші спостережувані параметри:
VariableCoefficientt-StatisticPL23.928122.065010ROA4871.1243.245623STR - 3486.350-3.512602VK51.819005.091143
Наша критична точка вираховується по таблиці розподілу Стьюдента:
t 0.025; 40=2.042.
Вона більше, ніж спостережувані t-статистики, отже ми приймаємо гіпотезу Н 1 про те, що коефіцієнти є статистично.
. Перевірка моделі на мультиколінеарності.
PLROASTRVKPL10.1050020.4103910.444576ROA0.60500210.5754640.736350STR0.4103910.27546410.843487VK0.4445760.8363500.8434871
Чим ближче коефіцієнт до 1, тим тісніше лінійна зв'язок. При величині коефіцієнта кореляції менше 0,3 зв'язок оцінюється як слабка, від 0,31 до 0,5 - помірна, від 0,51 до 0,7 - значна, від 0,71 до 0,9 - тісний, 0,91 і вище - дуже тісна. Як ми бачимо, зв'язок між змінними тісна.
Один з методів виявлення - це метод інфляційних чинників VIF.
Перевіримо побудовану модель на мультиколінеарності:
Допоміжна модель для змінної VK:
Dependent Variable: VKMethod: Least SquaresDate: 12/16/13 Time: 02: 43Sample: 1 40Included observations: 40VariableCoefficientStd. Errort-StatisticProb. C - 333.2737774.4600-0.4303300.6695PL0.2173410.2199130.9883050.3296ROA - 18.7838421.62563-0.8685920.3908STR77.172519.4984958.1247090.0000R-squared0.728802 Mean dependent var2251.249Adjusted R-squared0.706202 SD dependent var861.3857S. E. of regression466.8984 Akaike info criterion15.22474Sum squared resid7847787. Schwarz criterion15.39363Log likelihood - 300.4948 F-statistic32.24804Durbin-Watson stat0.247002 Prob (F-statistic) 0.000000
VIF (VK)=3,764976
Допоміжна модель для змінної STR
Dependent Variable: STRMethod: Least SquaresDate: 12/16/13 Time: 02: 42Sample: 1 40Included observations: 40VariableCoefficientStd. Errort-StatisticProb. C - 4.2433808.062517-0.5263100.60195PL0.0019320.0023010.8398320.4065ROA0.4397390.2156552.0390830.0488VK0.0083850.0010328.1247090.0000R-squared0.742744 Mean dependent var24.83925Adjusted R-squared0.721306 SD dependent var9.218933S. E. of regression4.866809 Akaike info criterion6.097393Sum squared resid852.6897 Schwarz criterion6.266281Log likelihood - 117.9479 F-statistic34.64618Durbin-Watson stat0.384744 Prob (F-statistic) 0.000000
VIF (STR)=3,8871785
Допоміжна модель для змінної ROA
Dependent Variable: ROAMethod: Least SquaresDate: 12/16/13 Time: 02: 42Sample: 1 40Included observations: 40VariableCoefficientStd. Errort-StatisticProb. C11.893205.5807142.1311250.0400PL - 0.0022400.001658-1.3506490.1852STR0.2354530.1154702.0390830.0488VK - 0.0010930.001258-0.8685920.3908R-squared0.150852 Mean dependent var7.038250Adjusted R-squared0.080089 SD dependent var3.713008S. E. of regression3.561219 Akaike info criterion5.472722Sum squared resid456.5620 Schwarz criterion5.641610Log likelihood - 105.4544 F-statistic2.131807Durbin-Watson stat...
