параметрів. br/>
6. Аналіз якості моделі регресії
Отже, модель парної лінійної регресії має вигляд:
В
масив статистика матриця кореляція
Виконаємо аналіз якості отриманої моделі регресії:
отже, тільки 55% дисперсії рентабельності; пояснюється впливом факторного ознаки В«премії та винагороди на одного працівникаВ», тобто необхідно включити в математичну модель регресії інші факторні ознаки і виконати багатовимірний регресійний аналіз;
Критичне значення критерію Фішера при. Отже, рівняння регресії в цілому статистично значимо, тобто є гарне відповідність даним спостережень;
Критичне значення - статистики при рівні значущості Для параметра моделі регресії при факторному ознаці розрахункове значення - статистики одно 7,67, тобто цей параметр статистично значущий. Отже, нульова гіпотеза про те, що параметр моделі регресії може приймати нульові значення, відкидається. p> Отриману модель можна використовувати для прогнозування.
Прогноз
Виконаємо прогнозування на основі отриманої моделі регресії. p> - е підприємство може забезпечити премії та винагороди на одного працівника в розмірі 2,2%. Тоді точковий прогноз для рентабельності цього підприємства дорівнює:
В
Для побудови інтервального прогнозу з вихідної інформації інструмента В«РегресіяВ» вибираємо стандартне відхилення (стандартну помилку) 4,02 з регресійної статистики. Тоді відповідно до нерівностями маємо
,15-4, 02 * 2,0125,15 +4,02 * 2,01
,
тобто з імовірністю 95% справжнє значення рентабельності підприємства буде перебувати в межах від 17 до 32,2 якщо воно забезпечить премії та винагороди на одного працівника в розмірі 23,56%.
Точковий прогноз показує, якою б була рентабельність підприємства, якби воно використовувало свої виробничі можливості в такій мірі, як у середньому всі підприємства. Фактичне значення індексу зниження собівартості продукції п'ятьдесят першого підприємства Отже, підприємство використовує свої можливості гірше, ніж в середньому всі досліджувані підприємства. p> У таблиці 6.1 наведені прогнозні значення рентабельності для 51 - го підприємства і при збільшенні максимального вибіркового значення ознаки премії та винагороди на 15%, тобто при значенні 2,53%.
Таблиця 6.1 - Прогноз рентабельності
В
Аналіз результатів розрахунку показує, що збільшення максимального значення ознаки премії та винагороди на 15% дає точковий прогноз рентабельності 273,05.
7. Парний нелінійний регресійний аналіз
У загальному вигляді модель парної нелінійної регресії має вигляд
(7.1)
Для цього випадку математична запис методу найменших квадратів має вигляд:
(7.2)
Визначимо параметри моделі регресії за допомогою надбудови В«Пошук рішенняВ». В якості цільової функції приймаємо вираз (7.2). Так як параметри моделі регресії можуть приймати будь-які значення, то обмеження і граничні умови в математичної моделі оптимізації відсутні. br/>
