Расчет параметров линейной парной регрессии для всех факторов Х производим с использованием инструмента Анализа данных «Регрессия» и сводим в таблицы
Графики зависимости графически показывают зависимость между имеющимися данными, что позволяет определить функциональную зависимость между фактором и показателями, для прогнозирования динамики непрерывно меняющегося показателя. Строим три графика зависимости Y от Хi/. Уравнение регрессии, т. е. зависимость объема инвестиций от динамики изменения основных фондов, средней цены на рынке жилья и ВВП… Читать ещё >
Расчет параметров линейной парной регрессии для всех факторов Х производим с использованием инструмента Анализа данных «Регрессия» и сводим в таблицы (реферат, курсовая, диплом, контрольная)
Таблица 4
Регрессионная статистика.
Регрессионная статистика | |
Множественный R. | 0,99 606 522. |
R-квадрат. | 0,992 145 923. |
Нормированный R-квадрат. | 0,98 877 989. |
Стандартная ошибка. | 392,9 378 969. |
Наблюдения. |
Коэффициент детерминации по конечной модели (с тремя факторами X2, X5 и Х6) показывает высокое её качество (R2=0,992 145 923 стремится к единице).
Ошибка аппроксимации составила 3,9%, входящая в интервал допустимых значений (до 10%), что так же говорит о качественной регрессии.
Таблица 5
Дисперсионный анализ.
df. | SS. | MS. | F. | Значимость F. | |
Регрессия. | 136 529 428,9. | 45 509 809,64. | 294,7 522 889. | 9,96608E-08. | |
Остаток. | 1 080 801,336. | 154 400,1908. | |||
Итого. | 137 610 230,3. |
Таблица 6
Дисперсионный анализ.
Коэффициенты. | Стандартная ошибка. | t-статистика. | P-Значение. | |
Y-пер | — 28 077,68552. | 2096,679 815. | — 13,39 149 894. | 3,03539E-06. |
Пер X 1. | 211,5 474 938. | 25,64 342 139. | 8,249 581 465. | 7,48751E-05. |
Пер X 2. | 0,3 085 595. | 0,33 960 404. | 0,90 858 623. | 0,930 150 227. |
Пер X 3. | 0,237 174 669. | 0,123 520 989. | 1,920 116 332. | 0,96 313 271. |
Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
Y-пер | — 33 035,54546. | — 23 119,83. | — 33 035,5. | — 23 119,8. |
Пер X 1. | 150,9 104 377. | 272,18 455. | 150,9104. | 272,1845. |
Пер X 2. | — 0,77 217 998. | 0,833 892. | — 0,7 722. | 0,83 389. |
Пер X 3. | — 0,54 906 058. | 0,5 292 554. | — 0,5 491. | 0,529 255. |
Таблица 7
Вывод остатка.
Вывод остатка. | |||
Наблюдение. | Предсказанное Y. | Остатки. | |
1329,455 597. | 432,9 444 034. | 0,245 656 153. | |
2980,90 502. | — 115,9 050 196. | 0,40 455 504. | |
3935,425 181. | — 324,3 251 808. | 0,89 813 403. | |
5186,98 445. | — 456,984 455. | 0,96 426 733. | |
6713,889 915. | 2,310 085 192. | 0,343 957. | |
8127,187 603. | 654,4 123 967. | 0,74 520 861. | |
8192,949 857. | — 216,949 857. | 0,27 200 333. | |
9404,578 011. | — 252,4 780 114. | 0,27 586 894. | |
10 914,22613. | 121,4 738 697. | 0,11 007 355. | |
12 513,07527. | 55,72 472 624. | 0,4 433 576. | |
А=. | 0,60 243 168. |
Графики зависимости графически показывают зависимость между имеющимися данными, что позволяет определить функциональную зависимость между фактором и показателями, для прогнозирования динамики непрерывно меняющегося показателя. Строим три графика зависимости Y от Хi/.
Рисунок 1 Модель тренда Х1.
Рисунок 2 Модель тренда Х5.
Рисунок 3 Модель тренда Х6.
Строим график зависимость Y (t) от временного ряда, для выявления зависимости:
Рисунок 4 Модель тренда Y (t).
Корреляционное поле представлено на рис. 4, визульно аномальных наблюдений не отмечено.
Уравнение регрессии, т. е. зависимость объема инвестиций от динамики изменения основных фондов, средней цены на рынке жилья и ВВП можно записать в следующем виде:
Y=-28 077.68552+211.5 474 938 X2+0.3 085 595 X5+0,237 174 668 X6.