2. Оцінюємо адекватність побудованої моделі статистичних даних генеральної сукупності за допомогою критерію Фішера

k1 =	2
k2 =	10

k₂ = n – m - 1

F_кр = (0,082/2)/(0,003/10) = 125,676

F_t = 4.1

Отже, можемо зробити висновок якщо F_кр > F_t – модель адекватна, її можна застосовувати для аналізу господарської діяльності підприємства.

3. Визначаємо частинні коефіцієнти еластичності та сумарний коефіцієнт еластичності

Важливе значення для аналізу мають частинні коефіцієнти еластичності. Для багатофакторної регресії частинний коефіцієнт еластичності показує, на скільки відсотків зміниться показник, якщо один із факторів зміниться на один відсоток при незмінних значеннях інших факторів.

Частинний коефіцієнт еластичності для фактора обчислюється за формулою

Для виробничої регресії Кобба-Дугласа отримаємо

.

Тобто, параметр є частинним коефіцієнтом еластичності y при зміні фактора виробничої регресії і показує, що показник у змінюється на відсотків, якщо фактор змінюється на 1% при незмінних значеннях фактора . Оскільки коефіцієнт еластичності додатній, то збільшення фактора викликає збільшення показника. Аналогічно отримаємо для .

Ex1=	0,3274
Ex2=	0,6891

Важливе значення також має сумарний коефіцієнт еластичності. Припустимо, що у деякий момент часу фактори і показник мали значення . Після збільшення факторів у разів отримаємо

У даному випадку показник однорідності . Цей показник називають загальним (сумарним) коефіцієнтом еластичності.

a = 1,0904

На основі отриманих формул можна зробити висновки:

1) якщо а = 1, то при збільшенні факторів в разів обсяг виробництва зміниться в стільки ж разів;

2) якщо а >1, то збільшення факторів в разів викличе збільшення обсягу в разів. В даному випадку маємо економію ресурсів на масштабах виробництва;

3) якщо а < 1, то збільшення факторів в разів викличе збільшення обсягу виробництва в разів. В цьому випадку зростають витрати на одиницю продукції.

У нашому випадку а > 1, тобто маємо економію ресурсів на масштабах виробництва.

4. Визначаємо прогнозне значення та інтервал довіри для прогнозу

Точкову оцінку прогнозу знайдемо за формулою

Інтервал довіри знаходять спочатку для лінійної регресії, а потім шляхом потенціювання – для нелінійної регресії

де t – значення t-критерію при ймовірності р і n-m-1 ступенях вільності;

- середньоквадратичне відхилення залишків

Zp (вектор прогнозних значень)

1

3,91(Lnx1p)

4,0622 (Lnx2p)

= 101,11

Zpt
1	3,910021	4,062166

ZpT(ZTZ)-1
9,524265	1,596725535	-3,8153

ZpT(ZTZ)-1Zp =

0,21102468

= 1,10047

= 0,01806

t = 2,228

= 0,04429

= 4,61621

Знаходимо інтервал довіри для лінійної регресії

- = 4,61621 - 0,04429 = 4,5719

+ = 4,61621 + 0,04429 = 4,6605

4,5719 ≤ 4,61621 ≤ 4,6605

Знаходимо інтервал довіри для нелінійної регресії

Нижня межа = 96,72981

Верхня межа = 105,689314

5. Будуємо ізокванти при у=у₃ та у=у₁₀.

Рис. 1. Ізокванти