3 , b 4 , b 5 не є значущими для побудованої моделі.
Адекватність моделі перевіримо за допомогою F -критерію.
В
Величина множинного коефіцієнта детермінації R 2 = 0,799, також розрахована за допомогою інструменту В«РегресіяВ» надбудови В«Аналіз данихВ» додатка MS Excel (Результати обчислення - в Додатку 7). Побудовану модель на основі цього параметра можна визнати достатньо якісною. А зміна результативного показника приблизно на 80% обумовлено впливом факторів, включених в модель.
В В
Спостережуване значення F-критерію перевищує табличне: 16,65 > 4,52, тобто виконано нерівність, а значить, в 95% випадків рівняння регресії статистично значимо і відображає істотну залежність між факторами і результативним показником.
Рівняння можна визнати надійним і значущим, який доводить наявність досліджуваної залежності.
4. Оцінимо якість побудованого рівняння з допомогою середньої помилки апроксимації.
Проведемо необхідні додаткові розрахунки з допоміжною таблицею (графа 11 Додатка 6). На основі отриманих даних знайдемо значення середньої помилки апроксимації:
В
Отримане значення середньої помилки апроксимації підтверджує задовільну точність побудованої моделі.
5. Використовуючи метод багатокрокового регресійного аналізу, побудуємо регресійну модель тільки зі значимими факторами і оцінимо її параметри.
Оскільки модель з усіма заданими факторами вже побудована, і значимість кожного фактора розрахована, можемо перейти до наступного кроку аналізу, виключивши з моделі самий незначний фактор.
В
Виключаємо фактор Х 6 - оцінка ВВП за паритетом купівельної спроможності в 1994 р. на душу населення (у% до США). Будуємо нову модель з рештою факторами:
В
Параметри даного рівняння знайдемо за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатки MS Excel (результати обчислення - в Додатку 8):
b 0 = 11,3789103724081
b 1 = -0,140477614195711
b 2 = +0,334073328849854
b 4 = -0,0590948468841696
b 5 = +0,354719169807746
Отримуємо рівняння лінійної множинної регресії:
В
Розрахункові значення критерію для заданих параметрів отримали за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатка MS Excel (результати обчислення - в Додатку 8):
В В В В
Оскільки, то коефіцієнти b 1 , b 2 , b 4 не є значущими для побудованої моделі. Виключаємо самий незначний фактор:
В
Виключаємо фактор Х 1 - споживання м'яса і м'ясопродуктів на душу населення (кг).
Будуємо нову модель з залишилися факторами:
В
Параметри даного рівняння знайдемо за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатки MS Excel (результати обчислення - у Додатку 9):
b 0 = 5,45597214112287
b 2 = +0,200539077387593
b 4 = -0,0847616134509301
b 5 = +0,374792925415136
Отримуємо рівняння лінійної множинної регресії:
В
Розрахункові значення критерію для заданих параметрів отримали за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатка MS Excel (результати обчислення - в Додатку 8):
В В В
Оскільки, те коефіцієнти b 2 , b 4 не є значущими для побудованої моделі. Виключаємо самий незначний фактор:
В
Виключаємо фактор Х 8 - споживання фруктів і ягід на душу населення (кг). Будуємо нову модель з залишилися факторами:
В
Параметри даного рівняння знайдемо за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатки MS Excel (результати обчислення - в Додатку 10):
b 0 = -14,5137453627595
b 2 = +0,272342209805998
b 5 = +0,471219957359132
Отримуємо рівняння лінійної множинної регресії:
В
Розрахункові значення критерію для заданих параметрів отримали за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатка MS Excel (результати обчислення - в Додатку 10):
В В
Оскільки
,
то коефіцієнт b 2 не є значущим для побудованої моделі. Виключаємо незначний фактор:
В
Виключаємо фактор Х 3 - споживання цукру на душу населення (кг). Будуємо нову модель з рештою фактором:
В
Параметри даного рівняння знайдемо за допомогою інструмента В«РегресіяВ» надбудови В«Аналіз данихВ» додатки MS Excel (результати обчислення - в Додатку 11...
