інструменту Регресія MS Excel, склало F = 2,078.
Критичне значення F КРИТ визначимо за допомогою статистичної функції FРАСПОБР . Вхідними параметрами функції є рівень значущості (ймовірність) і число ступенів свободи 1 і 2. Для моделі парної регресії число ступенів свободи відповідно дорівнює 1 (одна пояснює змінна) і n - 2 = 10 - 2 = 8.
КРИТ = 5,318.
Розрахункове значення F = 2,078 менше критичного F КРИТ = 5,318, тому нульова гіпотеза H 0 про статистичної незначущості рівняння регресії приймається, що підтверджує висновок, зроблений у п.2.3.
При розрахунку критеріїв Фішера для скороченої вибірки (виключаючи дані по Брянській та Бєлгородської областях) отримуємо аналогічний результат.
F = 2,115 < F КРИТ = 5,987.
2.5. Зробити підсумкові висновки.
. Рівняння парної лінійної регресії, що зв'язує обсяги перевезених вантажними автомобілями великих і середніх організацій автомобільного транспорту в 2006 році, y з величиною витрат на перевезення x , має вигляд:
В
При цьому частка всіх неврахованих в отриманій економетричної моделі пояснюють змінних приблизно складає 79,4%, тобто врахованими залишаються лише 20,6% параметрів.
Величина коефіцієнта еластичності говорить про те, що при зміні величини витрат на вантажоперевезення на 1% їх обсяг повинен змінитися на 0,49%.
Розрахунок середньої помилки апроксимації ( А = 96,62%), а також аналіз за допомогою критерію Фішера показав, що отримане рівняння регресії не відповідає реальній залежності (в силу великої частки неврахованих в залежності параметрів) .
. Рівняння парної лінійної регресії для вибірки вихідних даних, що виключає дані по Брянській та Бєлгородської областях, які за результатами виконання завдання 1 визнані точками викиду, має вигляд:
В
При цьому частка всіх неврахованих в отриманій економетричної моделі пояснюють змінних приблизно складає 74%.
Величина коефіцієнта еластичності говорить про те, що при зміні величини витрат на вантажоперевезення на 1% їх обсяг повинен змінитися на 0,81%.
Розрахунок середньої помилки апроксимації ( А = 56,25%), а також аналіз за допомогою критерію Фішера показав, що отримане рівняння регресії також не відповідає реальній залежності (в силу великої частки неврахованих в залежності параметрів ).
Результати регресійного моделювання не надійні.