ь, що побудоване лінійне рівняння регресії пояснює 63,8% розкиду залежної змінної Y розкидом факторної змінної Х .
Аналогічним чином побудуємо і проаналізуємо показову (експонентну) модель залежності між досліджуваними показниками.
Розрахуємо параметри b 0, b 1 передбачуваної показовою моделі виду ( 2.1). Щоб скористатися методом найменших квадратів, наведемо модель до лінійного вигляду. Для цього прологарифмируем ліву і праву частину рівняння (2.1). Отримаємо:
. (2.4)
Тепер позначимо y * = ln y і складаємо розрахункову таблицю 2.4, де в якості значень y i * проставляємо значення ln y i (значення ln y i знайдені в програмі Excel).
Таблиця 0. 2 - Розрахунок параметрів показовою моделі
ix i y i * x i 2 x i Г— y i * ? 98538,4123,740278367540,98327387,469 Середні значенія2526, 6263,1737137629,2568394,550
Визначаємо параметри моделі відповідно з методом найменших квадратів:
=;
.
Рівняння показовою моделі залежності має вигляд:
.
Так як е 1,9058 = 6,725, то отримуємо рівняння:
.
Зробимо оцінку параметрів і оцінку загальної якості отриманої моделі (аналогічно лінійної моделі). Складаємо таблицю 2.5, в якій за отриманою показовою моделі розрахуємо теоретичні значення, відхилення фактичних значень від теоретичних, а також квадрати цих відхилень. Теоретичні значення визначаємо, підставляючи фактичні значення х i в отриману модель показовою залежності. br/>
Таблиця 0. 3 - Проміжні розрахунки для обчислення стандартних помилок показовою моделі
ix i y i * ? 98538,4123,740123,740-2,2859,67829397892,914
Стандартна помилка моделі і стандартні помилки параметрів b
