а у істотно
Таким чином, в побудованій моделі спостерігається істотний вплив факторів х1 і х2, при незмінному рівні у.
В
Розрахуємо лінійний коефіцієнт множинної кореляції.
Визначає тісноту спільного впливу факторів х1 і х2 на результативний ознака
Побудуємо трендовую модель зростання середньомісячного доходу за рівнянням регресії у вигляді: х1 = а1t + b1, застосуємо МНК
Коефіцієнти регресії а1 і b1 знайдемо за формулами:
.
.
Отже, трендова модель середньодушового доходу має вигляд: х1t = 87,90909 t + 423,5
Побудуємо трендовую модель зміни цін за рівнянням регресії у вигляді: Jt = a2t + b2, коефіцієнти регресії знайдемо за формулами:
В В
Отже, трендова модель зміни цін має вигляд: х2t = 11,090901 t + 122,1
Для трендових моделей знайдемо коефіцієнти автокореляції першого порядку. p align="justify"> Знайдемо автокореляції для середньомісячного доходу на душу населення. Коефіцієнти автокореляції першого порядку розраховуємо за формулою:
В
де
;
.
отримаємо:
; .
Отримане значення свідчить про тісній залежності між середньомісячним доходом на душу населення поточного і безпосередньо передує років, і, отже, про наявність у тимчасовому ряді середньомісячного доходу на душу населення сильної лінійної тенденції.
Знайдемо автокореляції для індексу цін. p align="justify"> отримаємо:
; .
Отримане значення свідчить про дуже тісній залежності між індексом цін поточного і безпосередньо передує років і, отже, про наявність у тимчасовому ряді індексу цін сильної лінійної залежності.
Оцінимо значимість рівняння регресії в цело за допомогою критерію Фішера х1t = 87,909909 t + 423,5
В
так як, F ф > FT, то гіпотеза Н0 відхиляється, рівняння регресії в цілому статистично значимо і його можна використовувати для прогнозів.
За допомогою приватних F критеріїв Фішера оцінимо значимість кожного фактора, включеного в модель
В В
, Fx2 < FT = 5,59 це означає, що додаткове включення факто...
