- •Оглавление
- •Введение
- •1.Постановка задачи
- •Исходные данные
- •2. Алгоритм решения.
- •2.1. Сравнительная оценка влияния различных факторов (Xij) на производительность труда (Yi) и взаимосвязь этих факторов между собой
- •Матрица коэффициентов парной корреляции
- •2.2. Проверка значимости коэффициентов парной корреляции
- •Проверка значимости коэффициентов парной корреляции, используя t - критерий Стьюдента
- •Сравнение tф и tкp
- •2.3. Построение уравнения регрессии
- •Вывод остатка
- •2.4. Экономический анализ полученных результатов
- •2.5. Четыре обязательных свойства «Остатков»
- •2.6. Проверка выполнения свойств остаточной компоненты
- •2.7. Определение точности найденного уравнения регрессии
- •Заключение
- •Список использованной литературы
2.2. Проверка значимости коэффициентов парной корреляции
Для проверки значимости коэффициентов парной корреляции используют t-критерий Стьюдента. Для этой цели требуется найти для каждого коэффициента парной корреляции значение t-критерия Стьюдента, который рассчитывается по формуле:
tф=
где r - значение коэффициента парной корреляции;
n - число наблюдений (n = 20).
Полученные данные занесем в таблицу 3:
Таблица №3
Проверка значимости коэффициентов парной корреляции, используя t - критерий Стьюдента
|
Производительность (у) |
Энерговооруженность (x1) |
Фондовооруженность (х2) |
% прибыли (х3) |
Производительность (у) |
1 |
|
|
|
Энерговооруженность (x1) |
5,95 |
1 |
|
|
Фондовооруженность (х2) |
4,87 |
10,53 |
1 |
|
% прибыли (х3) |
9,82 |
2,87 |
2,18
|
1 |
Затем сравним tф для каждого коэффициента парной корреляции с t-критическим (табличное значение) для 5 % уровня значимости (двустороннего) и числа степеней свободы
ν = n - 2 (в данном случае ν = 18).
Если tФ > tkp, то найденный коэффициент парной корреляции признается значимым.
Таблица №4
Сравнение tф и tкp
Коэффициенты парной корреляции |
Значение коэффициента парной корреляции |
Значение t - критерия Стьюдента |
t критическое для 5% уровня значимости и числа степеней свободы v=n-2 |
rух1 |
0,81 |
5,95 |
2,101 |
rух2 |
0,75 |
4,87 |
|
rух3 |
0,92 |
9,82 |
|
rх1х2 |
0,93 |
10,53 |
|
rх1хЗ, |
0,56 |
2,87 |
|
rх2хЗ |
0,46 |
2,18 |
=> коэффициент парной корреляции признается значимым
В модель уравнения регрессии включим только те факторы, которые имеют коэффициент парной корреляции ryxj > 0,5. Но по величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов, т.е. линейная зависимость между переменными. Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то если факторы явно коллинеарные (rxixj > 0,8), они дублируют друг друга и один из них рекомендуется исключить из регрессии. При этом оставляем фактор, который более тесно связан с результатом. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
Данное требование позволяет избежать явления мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью. В результате вариация в исходных данных перестает быть полностью независимой, и нельзя оценить воздействие каждого фактора в отдельности. Чем сильнее мультиколлинеарность факторов, тем менее надёжна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов (МНК).
Отсюда следует, что мы должны включить в модель уравнения множественной регрессии факторы фондовооруженности и % прибыли, исключив фактор энерговооруженности.