Регрессионный анализ |
В нашем случае Сравниваем значения t-статистик со значением критической точки Стьюдента: ,805 > 2,031, значит условие статистической значимости выполняется для параметра b1 и переменная IPC имеет существенное влияние на Brb; |-1,992| < 2,031, значит коэффициент b0 статистически не значим. Это означает, что в модели нет неучтенных факторов. Рассчитаем коэффициент детерминации, характеризующий общее качество построенной регрессии по следующей формуле: 2 = r2XY Коэффициент детерминации R2 = r2xy = 0,2987. Для проверки адекватности нашей модели воспользуемся критерием Фишера. Найдем значение F - статистики по формуле:
В нашем случае:
Модель регрессии является адекватной, если выполнено условие: В нашем случае условие 2. Полулогарифмическую зависимость между величинами IPC (X) и Brb (Y) можно записать: = a + b LnX. Найдем коэффициенты a и b уравнения с помощью метода наименьших квадратов (МНК) и данных таблицы Г.3 (Приложение Г).
Таким образом, уравнение регрессии имеет вид: Brb = 370,255 - 72,057 Ln(IPC) Экономическая интерпретация данного уравнения сводится к следующему: при увеличении уровня ИПЦ на 1% происходит снижение количества безработных на 72 тыс. чел. (по логарифму). Т.е. можно говорить, что изменение уровня ИПЦ порождает изменение количества безработных в противоположном направлении, что подтверждает предварительные выводы, заключенные в первом разделе. С помощью данного уравнения (если подставить вместо X наши наблюдаемые значения независимой переменной) найдем Y эмпирическое (модельное) и вычислим остатки e (отклонение реальных значений Y от модельных), см. Приложение Ж. |