. Додаток 7), можна прийти до висновку, що оскільки загальний і скоригований коефіцієнти детермінації досить близькі до 1, то можна зробити висновок про досить сильному впливі факторних ознак на результуючий показник Y. Рівняння значимо за критерієм Фішера. Розглянувши критерій Стьюдента для коефіцієнтів регресії ОІ 0 і ОІ 1 можна зробити висновок, що обидва коефіцієнта також значущі. Виконуються 2 умови Гауса-Маркова з 3. Таким чином, Таким чином, можна сказати, що лінійна модель досить адекватна, хоча виконуються не всі умови Гауса-Маркова, однак прогнозування по даній моделі також представляється можливим.
Для того щоб прогнозувати показник за допомогою регресійної лінійної моделі, необхідно розрахувати фактори, що впливають на даний показник, тобто факторні змінні. Вони розраховуються так само, як і показник Y, побудовою різних трендових моделей: полінома, лінійної, нелінійної моделей. Далі ці моделі оцінюються з точки зору адекватності, і виявляється найбільш підходяща для прогнозування модель. Всі одержані моделі і прогнозні значення факторних ознак представлені в Додатку 8. p> При прогнозуванні цін на бензин АІ-92 на наступні 4 періоди, тобто на квітень, травень, червень, липень 2007 року за допомогою лінійної регресійної моделі отримані наступний дані:
Точкові прогнози складають 17,5777 руб. за літр у квітні, 13,6282 руб. за літр у травні, 13,2731 руб. за літр в червні і 17,607 руб. за літр в липні. Відповідні інтервальні прогнозні значення представлені наступними інтервалами [ 16,73; 18,42], [13,17; 14,09], [12,796; 13,75] і [12,399; 13,41].
нелінійних моделей
Regression Summary for Dependent Variable: Y
R =, 86159959 RI = , 74235385 Adjusted RI =, 69941283
F (3,18) = 17,288 p <, 00002 Std.Error of estimate: 1,0297
St. Err. /Td>
St. Err. /Td>
BETA
of BETA
B
of B
t (35)
p-level
Intercpt
39,4
11,017
3,57764
0,002152
1/X1
-0,4881
0,134468
-15978,8
4402,448
-3,62953
0,001917 <...
