span> 0 в моделі.
<4.4> Як видно з графіків, умова однорідності спостережень не порушується.
В
<4.5> авторегресії незначна, тому що D близько до 2. br/>
Durbin-SerialEstimate2 ,005139-0, 010 950
<5.1> Основною ознакою порушення умови про точної ідентифікації є недотримання умови <3.1>. Формальною ознакою є застосування неповного методу перебору. p align="justify"> <5.2> Для многооткліковой завдання правомірно застосування МНК до кожної з регресій окремо. У даному випадку моделі однооткліковие. p align="justify"> Висновки
Висновок для множинної регресії.
В даний час множинна регресія - один з найбільш поширених методів в економетрики. Основна мета множинної регресії - побудувати модель з великим числом факторів, визначивши при цьому вплив кожного з них окремо, в також сукупне їх вплив на модельований показник. У нашому прикладі ми отримали наступну модель:
= 608,02662 +0,63617 X1 +249,35156 X2-262, 50298X3 +5,39506 X4-40, 59804X5
Проаналізувавши цю модель ми можемо зробити висновки. Коефіцієнти регресії при змінної X1 показує, що з ростом середньоденного душового доходу на 1 од. загальний обсяг кредитування зростає в середньому на 0,636 млн. руб., із зростанням, при змінній X5 показує, що з ростом середньорічної процентної ставки за іпотечними кредитами на 1% загальний обсяг кредитування знижується в середньому на 40,598 млн. руб.
Проаналізуємо якість постулованій моделі.
Значимість рівняння множинної регресії в цілому оцінимо за допомогою F-критерію Фішера. Завдання полягає в перевірці нульової гіпотези Але про статистично не значущі рівняння регресії в цілому. Аналіз виконується при порівнянні фактичного і табличного значення F-критерію Фішера Fтабл і Fфакт. Порівнюючи Fтабл і Fфакт. отримаємо:
Fфакт. = 22,65616; Fтабл (5,54) = 2,39, отже Fфакт.> Fтабл. З вірогідністю
- ? = 0,95 приходимо до висновку про необхідність відхилити гіпотезу Але і робимо висновок про статистичної значущості рівняння.
Оцінимо рівняння регресії про можливість використовувати для прогнозу. Для цього скористаємося такою формулою: Fфакт.> 4Fтабл. У нашому рівнянні: Fфакт = 22,65616, а 4Fтабл = 4.2, 39 = 9,56, отже з імовірністю 1 -? = 0,95 приходимо до висновку про значимість рівняння в цілому і рівняння слід використовувати для прогнозу.
Оцінимо модель за коефіцієнтом детермінації. Для оцінки якості підбору функції розраховується коефіцієнт детермінації (R2). Величина коефіцієнта детермінації служить одним з критеріїв оцінки якості моделі. Він характеризує ч...
