Менеджмент - это управление организацией, функционирующей в условиях рыночной экономики.
Влияние ВВП и количества трудоустроенных на индекс потребительских цен
Создадим файл с исходными данными в среде Microsoft Excel.
Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.
Столбец 1(y) |
Столбец 2(x1) |
Столбец 3(x2) | ||
Столбец 1(y) |
1 | |||
Столбец 2(x1) |
0.040559462 |
1 | ||
Столбец 3(x2) |
0.321832091 |
0.324373295 |
1 |
Из корреляционной матрицы следует, что на индекс потребительских цен продукт оказывает влияние оба регрессанта, т. е. и количество трудоустроенных имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности.
ля того, чтобы проверить, существует ли зависимость между признаками, построим корреляционное поле. Так как у нас 2 переменные х, то у нас будет 2 корреляционных поля. Для этого выделите столбцы х1 и у (буквы х1 и у не обводить, а только их значения). На панели инструментов нажмите значок «Диаграммы» и при появлении окна (Мастер диаграмм) выберите точечную диаграмму.
Рисунок 1. Динамика показателей GDP-ВВП, мил.евро, и количество трудоустроенных
Построим многофакторную регрессионную модель, в которой зависимая переменная - Y индекс потребительских цен продукт.
Определим коэффициенты уравнения регрессии.
=b0 + b1∙X1 + b2∙X2
Рисунки 2 и 3 отражают линию тренда (тенденцию) и уравнение регрессии на корреляционном поле зависимости Y от значений показателя X.
Прогноз поведения изучаемого экономического явления осуществляется подстановкой значения фактора X в оценку детерминирующей составляющей.
Результаты множественной регрессии в численном виде представлены в табл. 1.2.
Регрессионная статистика | ||
Множественный R |
0.328831065 | |
R-квадрат |
0.108129869 | |
Нормированный R-квадрат |
0.054077134 | |
Стандартная ошибка |
2.029551965 | |
Наблюдения |
36 |
Дисперсионный анализ
df |
SS |
MS |
F |
Значимость F | |||||||||||
Регрессия |
2 |
16.48004335 |
8.240021676 |
2.000451392 |
0.151348011 | ||||||||||
Остаток |
33 |
135.9296789 |
4.119081178 | ||||||||||||
Итого |
35 |
152.4097222 | |||||||||||||
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% | ||||||||
Intercept |
-12.03620482 |
6.655346577 |
-1.808501583 |
0.07964883 |
-25.57660917 |
1.504199534 |
-25.57660917 |
1.504199534 | |||||||
X Variable 1 |
-0.000215063 |
0.000523918 |
-0.410488952 |
0.684100441 |
-0.001280982 |
0.000850857 |
-0.001280982 |
0.000850857 | |||||||
X Variable 2 |
0.023048173 |
0.011611452 |
1.984951816 |
0.055513856 |
-0.000575504 |
0.046671849 |
-0.000575504 |
0.046671849 | |||||||