Пример 1

Но 12 предприятиям региона N приводятся данные за 2013 г. (таблица 1).

Таблица 1 — Исходные данные

№ п/п	У	Х1
1	1,2	5,9
2	1,3	6,2
3	1,4	6,3
4	1,5	6,8
5	1,5	7,2
6	1,2	7,9
7	2,4	8,1
8	3,3	8,3
9	3,4 ь—	8,4
10	3,5	8,8
11	1,6	9,6
12	1,5	9,7

где у - выработка продукции на одного работника (тыс. руб.);

Х₁ - удельный вес рабочих высокой квалификации в общей численности рабочих (%).

Задание:

1.Построить линейное уравнение парной регрессии у по х.

2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.

З.Оценить статистическую значимость уравнения регрессии в целом и отдельных параметров регрессии и корреляции с помощью F-критерия Фишера и t-критерия Стьюдента.

4.Выполнить прогноз выработки продукции на одного работника (у) при прогнозном значении удельного веса рабочих высокой квалификации в обшей численности рабочих (х), составляющем 107% от среднего уровня.

5.Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.

Пример 2 По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 2).

Таблица 2 - Исходные данные

№	У	Х1	Х2
1	8,5	24,9	8,4
2	4,2	25,7	20,9
3	2,1	24,7	7,8
4	3,4	25,7	8,9
5	5,8	26,6	3,6
6	4,6	25,3	9,4
7	3,6	28,1	14,6
8	5,3	25,6	3,1
9	4,4	30,9	8,9
10	1,5	24,4	3,8
11	2,6	25,3	12,6
12	7,5	25,9	8,4

где у - чистый доход, млрд. долл.

Х₁- оборот капитала, млрд. долл.

х₂- использованный капитал, млрд. долл.

Задание:

1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.