астку дисперсії результативної ознаки Y пояснюється регресією в загальній дисперсії результативної ознаки. У нашому випадку R2 = 0, 67906710. p align="justify"> Отже рівнянням регресії пояснюється 68%, дисперсії результативної ознаки, а на частку інших факторів припадає 32% її дисперсії.
Результати діагностики:
За результатами діагностики <2.1> ми можемо зробити наступний висновок, що модель лінійна по b ; в ній немає зайвих доданків і всі регресорів присутні.
Результати діагностики <3.1>. За значеннями коефіцієнтів парної кореляції мультіколленіарность виявлена ​​(коефіцієнти rx1x2, rx1x3, rx1x4, rx1x5 значимо відрізняються від нуля)
Результати діагностики <4.2>. Дане порушення перевірили за графіками залишків. Зробимо висновок про те, що умова не порушено
Результати діагностики <4.4>. Дане порушення перевірили за графіками залишків. Явного порушення умови немає. p align="justify"> Результати діагностики <4.5>. Для перевірки даної умови незалежності помилок через неврахування фактора часу скористаємося графіком залишків (d, T), де Т - час або номер спостереження, а також статистику Дарбіна - Уотсона. У нашому прикладі авторегресії позитивна, тому що D знаходиться в інтервалі 0-2. br/>
Висновки для покрокової регресії.
У другому випадку, коли використовуємо покрокову регресію, регресорів Х2, Х3, Х4 виявилися не значущими. Результат поліпшення моделі:
= 734,19553 +0,75448 X1-39, 75302X5
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. = 47,82385, a Fтабл (2,57) = 3,16, отже Fфакт.> Fтабл З імовірністю 1 -? = 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 = 47,82385, а 4Fтабл = 4.3, 16 = 12,64, 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 де...