-
Коэффициенты парной корреляции найдем по формулам:
ryx1 = Cov(x1,y) /
ryx2 = Cov(x2,y) /
rx1x2 = Cov(x2,x1) /
(Y-Ycp)^2 |
X1-X1cp |
(X1-X1cp)^2 |
X2-X2cp |
(X2-X2cp)^2 |
(X1-X1cp)(Y-Ycp) |
(X2-X2cp)(Y-Ycp) |
(X1-X1cp)(X2-X2cp) |
27,04000000 |
-13,98 |
195,4404 |
-54,7 |
2992,09 |
72,696 |
284,44 |
764,706 |
4,84000000 |
-11,58 |
134,0964 |
-42,7 |
1823,29 |
25,476 |
93,94 |
494,466 |
51,84000000 |
-7,98 |
63,6804 |
-27,7 |
767,29 |
57,456 |
199,44 |
221,046 |
4,84000000 |
-5,38 |
28,9444 |
-15,7 |
246,49 |
11,836 |
34,54 |
84,466 |
0,04000000 |
-11,38 |
129,5044 |
1,3 |
1,69 |
2,276 |
-0,26 |
-14,794 |
3,24000000 |
3,12 |
9,7344 |
10,3 |
106,09 |
5,616 |
18,54 |
32,136 |
1,44000000 |
5,72 |
32,7184 |
22,3 |
497,29 |
-6,864 |
-26,76 |
127,556 |
0,64000000 |
13,52 |
182,7904 |
29,3 |
858,49 |
10,816 |
23,44 |
396,136 |
23,04000000 |
12,22 |
149,3284 |
36,3 |
1317,69 |
58,656 |
174,24 |
443,586 |
116,6400000 |
15,72 |
247,1184 |
41,3 |
1705,69 |
169,776 |
446,04 |
649,236 |
233,6000000 |
0 |
1173,356000 |
0 |
10316,10000 |
407,7400000 |
1247,6000000 |
3198,540000 |
23,36000000 |
0 |
117,3356000 |
0 |
1031,610000 |
40,77400000 |
124,76000000 |
319,8540000 |
var(y) |
|
var(X1) |
|
var(X2) |
cov(X1 Y) |
cov(X2 Y) |
cov(X1 X2) |
ryx1 = 40,774/ = 0,77881086> 0,7, то есть связь между среднедушевым потреблением овощей в месяц и среднемесячным доходом на душу населения тесная.
ryx2 = 124,76 / = 0,80367633 > 0,7, то есть связь между среднедушевым потреблением овощей в месяц и индексом цен тесная.
rx1x2 = 319,854 / = 0,91934626> 0,7, то есть связь между индексом цен и среднемесячным доходом на душу населения тесная.
0,77881086
Матрица парных коэффициентов примет вид: r = 0,80367633
0,91934626
-
Найдем линейные коэффициенты частной корреляции по формулам:
ryx1*x2 = = = 0,17064992<0,7, то есть связь между среднедушевым потреблением овощей в месяц и среднемесячным доходом на душу населения при исключении влияния индекса цен слабая.
ryx2*x1 = =
= 0,35527301< 0,7, то есть связь между среднедушевым потреблением овощей в месяц и индексом цен при исключении влияния среднемесячного дохода на душу населения слабая.
=0,810066448, значит теснота связи между факторами x1 и x2 при устранении влияния фактора y очень тесна.
Оценим статистическую значимость уравнения и его параметров с помощью критериев Фишера и Стьюдента.
Оценим качество уравнения:
Fфакт = * = * = 6,680563929
Fтабл = 4,74.
Fфакт = 6,680563929 > Fтабл = 4,74, следовательно, гипотеза Но о статистической незначимости уравнения регрессии в целом и показателя тесноты связи коэффициента корреляции отвергается. Уравнение регрессии статистически значимо и надежно.
Найдем частные значения коэффициента:
Fx1 = * = =*=0,20996423.
Fx2 = * = *= 1,01115989
Т.к. F, то дополнительное включение в модель фактора х1 после фактора х2 статистически неоправданно и нецелесообразно и коэффициент а1 коэффициент чистой регрессии при факторе х1 статистически незначим.
Т.к. F, то дополнительное включение в модель фактора х2 после фактора х1 статистически неоправданно и нецелесообразно и коэффициент а2 коэффициент чистой регрессии при факторе х2 статистически незначим.
Оценим значимость коэффициентов а1 и а2 по критерию Стьюдента.
ta1 = = = 0,458218536
ta2 = = = 1,005564461
tтабл = 2,3646.
ta1 = 0,458218536< tтабл = 2,3646 и ta2 = 1,005564461< tтабл = 2,3646,
Гипотеза H0 о случайной природе a1 и а2 принимается, эти коэффициенты статистически незначимы и ненадежны.
Найдем ошибку аппроксимации.
А = *100% = 2,900699474% < 10 %, точность модели хорошая.