Частина 2. Багатофакторні (множинні) моделі
-
Спочатку розрахуємо багатофакторну лінійну модель.
Таблиця початковими даними має наступний вигляд :
Y |
X1 |
X2 |
125,8 |
30 |
187 |
127,1 |
32 |
186 |
133,8 |
35 |
187 |
130,1 |
37 |
196 |
132,1 |
40 |
189 |
146,2 |
45 |
200 |
143,8 |
51 |
195 |
132,1 |
53 |
198 |
126,7 |
57 |
186 |
126,2 |
60 |
197 |
139,5 |
58 |
207 |
142,6 |
54 |
201 |
124,2 |
38 |
165 |
111,6 |
53 |
167 |
125,4 |
51 |
185 |
121,8 |
46 |
173 |
126,5 |
48 |
180 |
125,4 |
50 |
182 |
Специфікація моделі:
Для побудови моделі спочатку ідентифікуємо змінні:
Y – залежна змінна, обсяги продажу товару (тис.т);
Х1 – незалежна змінна, кількість населення на досліджуваній території (тис.чол. ).
Х2 – незалежна змінна, затрати на рекламу (тис.грн.)
Побудова моделі:
-
Використовуємо статистичну функцію «ЛИНЕЙН». Для заданої задачі таблиця «ЛИНЕЙН» матиме вигляд :
0,619698
-0,13134
19,76447
0,118903
0,149571
21,56418
0,646761
5,469868
#Н/Д
13,73209
15
#Н/Д
821,7131
448,7919
#Н/Д
-
Перший рядок результатів розрахунку містить оцінки параметрів моделі:
â2 â1 â0
0,619698 |
-0,13134 |
19,76447 |
Значення а1 = -0,13134 показує, що значення обсягів продажу товару зменшиться на 0,13134тис.т., якщо кількість населення на досліджуваній території збільшиться на 1 тис.чол.
Значення а2 = 0,619698 показує, що значення обсягів продажу товару збільшиться на 0,619698 тис.т., якщо затрати на рекламу збільшаться на 1 тис.грн.
Значення а0 =19,76447 показує,що мінімальний обсяг продажу товарів за умов, що інші фактори дорівнюють 0,становитиме 19,76447 тис.т.
Отже,можемо вивести економетричну формулу моделі залежності,вона матиме вигляд :
Ŷ = 19,76447- 0,13134 *Х1 + 0,619698 *Х2 +u
t – критерій
ta0 |
0,916542 |
ta1 |
0,87809 |
ta2 |
5,211817 |
Знаходимо tтабл з таблиці t-розподілу: df = n - m-1, α/2 – рівень значущості.
n – кількість спостережень, у нашому випадку n = 18
m – кількість незалежних змінних, у нашому випадку m = 2
α/2 – рівень значущості, α/2 = 0,975
Маємо :
tтабл = 3,68
Отже, для параметра а0 ,так як і для параметра а1 : tфакт< tтабл – це означає, що за t-критерієм оцінки параметрів а0 та a1 є статистично незначущими, а оцінка параметра а2 є статистично значущою.
Статистична незначущість коефіцієнта а0 інформує про те, що всі інші фактори, які не були враховані в даній регресійній моделі, мають значний вплив на залежну змінну, незначущість a1 – про те, що кількість населення несуттєво впливає на зміну обсягів продажу товару, а значущість а2 про те, що затрати на рекламу суттєво впливають на зміну обсягів продажу товару.
Інтервали надійності для оцінок âі :
В результатах регресійного аналізу моделі також є інтервали надійності для кожного коефіцієнта:
a0 : -26,2 < a0 < 65,73
a1: -0,45< a1 < 0,19
a2: 0,37< a2 < 0,87
Величини інтервалів надійності коефіцієнта a0 є великими, тобто можемо зробити висновок, що знайдений коефіцієнт є не достатньо точним.
Величини інтервалів надійності коефіцієнтів a1 та a2 є невеликими, тобто можемо зробити висновок, що знайдені коефіцієнти є достатньо точними.
-
В третьому рядку таблиці результатів знаходяться два показники – коефіцієнт детермінації і стандартне відхилення залишків моделі :
R2 σu
0,646761
|
5,469868
|
Коефіцієнт детермінації визначає на скільки відсотків рівняння регресії пояснює поведінку залежної змінної У, тобто в даному випадку 65% обсягів продажу товару залежатиме від кількості населення на досліджуваній території, від затрат на рекламу , і на 35 % такі зміни пов’язані з іншими неврахованими факторами.
Коефіцієнт кореляції становить R=0,804
Отже, коефіцієнт кореляції вказує на те, що між обсягами продажу товару, кількістю населення та затратами на рекламу існує досить тісний зв’язок, так як R > 0, то характер зміни обсягів продажу товару, кількості населення та затрат на рекламу однаковий.
-
F-критерій
Перевіримо статистичну значущість всієї моделі за допомогою критерія Фішера.
Табличне значення критерію Фішера у нашому випадку становить:
Fтабл = 3,68
Оскільки Fфакт(13,73)> Fтабл , то можна зробити висновок, що за критерієм Фішера модель є статистично значущою, тобто підтверджується гіпотеза про те, що кількісна оцінка зв’язку між залежною і пояснювальною змінними в моделі є істотною.
-
В п`ятому рядку знаходяться сума квадратів регресії та сума квадратів залишків :
821,7131 |
448,7919 |
Отже, знаючи загальну дисперсію та дисперсію залишків можемо знайти дисперсію змінної Y :
821,7131 – 448,7919= 372,9213
Дисперсія змінної Y характеризує міру відхилень значень залежного фактора yi від середнього значення . Отже, дисперсія залежної змінної Y характеризує, що міра розсіювання значень Y навколо свого середнього значення становить 372,9213.
Дисперсія залишків ( випадкова дисперсія) характеризує міру відхилень значень залежного фактора yi від розрахованих значень за моделлю yi^. Отже, в даному випадку міра відхилень значень залежного фатора yi від розрахованих значень за моделлю yi^ становитиме 448,7919.
-
Далі знайдемо коефіцієнт еластичності , для того щоб оцінити вплив незалежного фактора Х на залежний фактор Y.
Для цього користуємося наступною формулою:
.
Отже спочатку розрахуємо середнє значення кожного з факторів.
Маємо:
|
Y |
X1 |
X2 |
|
125,8 |
30 |
187 |
|
127,1 |
32 |
186 |
|
133,8 |
35 |
187 |
|
130,1 |
37 |
196 |
|
132,1 |
40 |
189 |
|
146,2 |
45 |
200 |
|
143,8 |
51 |
195 |
|
132,1 |
53 |
198 |
|
126,7 |
57 |
186 |
|
126,2 |
60 |
197 |
|
139,5 |
58 |
207 |
|
142,6 |
54 |
201 |
|
124,2 |
38 |
165 |
|
111,6 |
53 |
167 |
|
125,4 |
51 |
185 |
|
121,8 |
46 |
173 |
|
126,5 |
48 |
180 |
|
125,4 |
50 |
182 |
СРЗНАЧ |
130,05 |
46,55556 |
187,8333 |
Тепер скориставшись формулою можемо розрахувати коефіцієнт еластичності для кожного незалежного фактора.
Маємо: Еу/х1= -0,04702
Еу/х2= 0,89504
Коефіцієнт еластичності характеризує на скільки відсотків зміниться залежна змінна У при зміні фактора Х на 1 %.
Тобто при збільшенні кількості населення на досліджуваній території на 1 % обсяг продажу товару зменшиться на 0,047 %, а при збільшенні затрат на рекламу на 1 % обсяги продажу товарів збільшаться на 0,895 %