II уравнение.

Регрессионная статистика
Множественный R	0,987077
R-квадрат	0,974322
Нормированный R-квадрат	0,966985
Стандартная ошибка	73276,32
Наблюдения	10
Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	2	1,43E+12	7,13E+11	132,8014	2,71E-06
Остаток	7	3,76E+10	5,37E+09
Итого	9	1,46E+12

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	25477,5328	36689,5379	0,69440866	0,50980886	-61279,4384	112234,504	-61279,4384	112234,504
Переменная X 1	1,27042818	0,4974318	2,55397461	0,03788321	0,09418889	2,44666748	0,09418889	2,44666748
Переменная X 2	-0,39220133	0,5370815	-0,73024546	0,48895272	-1,66219727	0,87779462	-1,66219727	0,87779462

III уравнение.

Регрессионная статистика
Множественный R	0,997633126
R-квадрат	0,995271854
Нормированный R-квадрат	0,993920955
Стандартная ошибка	51102,1369
Наблюдения	10
Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	2	3,84793E+12	1,92E+12	736,7478	7,2681E-09
Остаток	7	18279998769	2,61E+09
Итого	9	3,86621E+12

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	-25630,00579	25586,89966	-1,0016847	0,34985692	-86133,4092	34873,3976	-86133	34873,39765
Переменная X 1	0,761581433	0,346903728	2,19536826	0,06416824	-0,05871554	1,5818784	-0,059	1,581878402
Переменная X 2	0,794887893	0,374555018	2,12221931	0,07148684	-0,09079399	1,68056977	-0,091	1,680569771

Подставляем в каждое уравнение приведенной формы модели, полученные расчетные значения:

Ct = -28377, 43 + 1, 54* Tt - 0, 39* K_t-1 + u₁ ,

It = 25477, 53 +1, 27* Tt – 0, 39* K_t-1 + u₂ ,

Yt = -25630 + 0, 76* Tt + 0, 79* K_t-1 + u₃ .

6. Определим структурные коэффициенты модели:

1) из третьего уравнения приведенной формы выразим K_t-1 (так как его нет

в первом уравнении структурной формы):

K_t-1 = .

Данное выражение содержит переменные Yt и Tt, которые входят в правую часть первого уравнения структурной формы модели (СФМ). Подставим по-

лученное выражение K_t-1 в первое уравнение приведенной формы модели (ПФМ):

Ct = -28377.43 + 1.54*Tt - 0.39 *

Откуда получим первое уравнение СФМ в виде:

Ct = -40936.13- 0.49*Yt + 1.92*Tt.

2) таким же образом выразим Tt из третьего уравнения приведенной формы (так как его нет во втором уравнении структурной формы):

Tt =

Данное выражение содержит переменные Yt и K_t-1, которые входят в правую часть второго уравнения структурной формы модели (СФМ). Подставим по-

лученное выражение Tt во второе уравнение приведенной формы модели (ПФМ):

It = 25477.53 + 1.27 * - 0.39 * K_t-1 .

Откуда получим второе уравнение СФМ в виде:

It = 68279.63 + 1.67 *Yt – 1.39* K_t-1 .

Таким образом, СФМ примет вид:

Ct = -40936.13- 0.49*Yt + 1.92*Tt,

It = 68279.63 + 1.67*Yt – 1.39*K_t-1 ,

Yt = Ct + It.

7. Определим статистическую надежность результатов полученных уравнений регрессионного моделирования, для этого используем данные, полученные в таблице:

F_факт1 = 129,75;

F_факт2 = 132,8;

F_факт3 = 736,75;

По таблице значений F-критерия Фишера для уровня значимости α = 0,05 находим:

Так как >, то гипотеза о статистической незначимости уравнений регрессии отвергается и принимается гипотеза о статистической значимости и надежности уравнений регрессии в целом.