- •2. Уравнение нелинейной регрессии всегда дополняется показателем тесноты связи – индексом корреляции :
- •2. Уравнение нелинейной регрессии всегда дополняется показателем тесноты связи – индексом корреляции :
- •2. Уравнение нелинейной регрессии всегда дополняется показателем тесноты связи – индексом корреляции :
- •2. Уравнение нелинейной регрессии всегда дополняется показателем тесноты связи – индексом корреляции :
2. Уравнение нелинейной регрессии всегда дополняется показателем тесноты связи – индексом корреляции :
Данный индекс показывает, что связь существует и она значительная.
Квадрат индекса корреляции носит название индекса детерминации и характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:
,
где .
Соответственно величина характеризует долю дисперсии , вызванную влиянием остальных, не учтенных в модели, факторов.
Индекс детерминации , показывает, что уравнением регрессии объясняется 69,11% дисперсии результативного признака, а на долю прочих факторов приходится большая часть дисперсии результативного признака – 30,89%.
3. Коэффициент эластичности показывает, на сколько процентов измениться в среднем результат, если фактор изменится на 1%. Формула для расчета коэффициента эластичности имеет вид:
.
Так как коэффициент эластичности не является постоянной величиной, а зависит от соответствующего значения фактора , то обычно рассчитывается средний коэффициент эластичности:
.
Для исследуемой модели . Т.е. при увеличении заработной платы на 1% от её среднего значения потребительские расходы увеличиваются на 0,73699% от своего среднего значения.
4. Проверить значимость уравнения регрессии – значит установить, соответствует ли математическая модель, выражающая зависимость между переменными, экспериментальным данным и достаточно ли включенных в уравнение объясняющих переменных (одной или нескольких) для описания зависимой переменной.
Чтобы иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению, определяют среднюю ошибку аппроксимации:
. (8)
Средняя ошибка аппроксимации не должна превышать 8–10%.
Для нашей модели средняя ошибка аппроксимации составляет: , что приемлемо.
5. Оценка значимости уравнения регрессии в целом производится на основе -критерия Фишера. Величина -критерия связана с индексом детерминации , и ее можно рассчитать по следующей формуле:
.
Табличное значение . Так как , то признается статистическая значимость уравнения в целом.
1в. Для полулогарифмичской модели: делаем замену:
Таблица 3
1 |
8,865594 |
863291,6 |
78,59876 |
83978,06 |
13397,44 |
1,79E+08 |
0,137585 |
2 |
8,718009 |
435101,9 |
76,00369 |
56699,37 |
-6790,97 |
46117206 |
-0,13607 |
3 |
8,645586 |
513158,8 |
74,74616 |
43313,13 |
16041,87 |
2,57E+08 |
0,27027 |
4 |
8,856518 |
518897,2 |
78,43792 |
82300,6 |
-23711,3 |
5,62E+08 |
-0,4047 |
5 |
8,404024 |
348948,5 |
70,62763 |
-1335,78 |
42857,38 |
1,84E+09 |
1,032171 |
6 |
8,852808 |
648011,4 |
78,37221 |
81614,76 |
-8416,36 |
70835068 |
-0,11498 |
7 |
8,736811 |
552348,2 |
76,33186 |
60174,47 |
3046,329 |
9280123 |
0,048186 |
8 |
8,810907 |
644909,1 |
77,63208 |
73870,04 |
-675,64 |
456489,8 |
-0,00923 |
9 |
8,949755 |
1101819 |
80,09811 |
99533,81 |
23577,89 |
5,56E+08 |
0,191516 |
10 |
9,287116 |
986852,7 |
86,25053 |
161889,8 |
-55629,4 |
3,09E+09 |
-0,52352 |
11 |
8,678461 |
600437,6 |
75,31569 |
49389,54 |
19797,56 |
3,92E+08 |
0,286145 |
12 |
8,728264 |
623192,8 |
76,1826 |
58594,81 |
12804,59 |
1,64E+08 |
0,179338 |
13 |
8,835065 |
596737,1 |
78,05837 |
78335,25 |
-10793,3 |
1,16E+08 |
-0,1598 |
14 |
8,834919 |
501232,4 |
78,0558 |
78308,34 |
-21575,2 |
4,65E+08 |
-0,38029 |
15 |
8,897135 |
596004,9 |
79,15902 |
89807,98 |
-22819,6 |
5,21E+08 |
-0,34065 |
16 |
8,800265 |
593981,8 |
77,44466 |
71902,96 |
-4407,06 |
19422207 |
-0,06529 |
17 |
9,006264 |
884605,1 |
81,11279 |
109978,7 |
-11757,6 |
1,38E+08 |
-0,11971 |
18 |
10,30236 |
3962246 |
106,1387 |
349542,4 |
35053,41 |
1,23E+09 |
0,091143 |
сумма |
160,21 |
1,5E+07 |
1428,57 |
|
|
9,7E+09 |
-0,0179 |
ср. знач |
8,90055 |
831765 |
79,3648 |
|
|
5,4E+08 |
0,00099 |
Оценки параметров приведенной модели рассчитываются аналогично оценкам параметров линейной модели:
.
Т.е. получаем следующее уравнение: .