Менеджмент - это управление организацией, функционирующей в условиях рыночной экономики.

Построение и анализ регрессионной модели

На первом этапе построим линейную модель зависимости показателей вида (1.1). Для оценки параметров b0, b1 линейной зависимости используется метод наименьших квадратов (МНК). В соответствии с МНК параметры однофакторной линейной модели можно рассчитать по формулам [1]:

; (2.2)

. (2.3)

При этом все величины, входящие в формулы (2.2) и (2.3) уже вычислены (раздел 2.1 и 2.2).

Подставляя рассчитанные данные, получаем:

;

Таким образом, линейная модель зависимости денежной массы в иностранной валюте (Y) от экспорта товаров (Х) имеет вид:

Значение коэффициента регрессии модели b1 = 0,016 говорит о том, что при увеличении экспорта товаров 1 млн. долл. США объем денежной массы в иностранной валюте возрастает на 0,016 трлн. руб. (или на 16 млрд. руб.).

Оценим статистическую значимость параметров модели, используя критерий Стьюдента. Для этого вычислим стандартную ошибку регрессии и стандартные ошибки параметров уравнения регрессии.

Составим расчетную таблицу 2.3, в которой рассчитаем теоретические значения , отклонения фактических значений от теоретических (остатки от регрессии), а также квадраты этих отклонений . Теоретические значения определяем, подставляя фактические значения хi в полученную модель линейной зависимости.

Таблица 0.1 - Промежуточные расчеты для вычисления стандартных ошибок линейной модели

i	хi	у
1	1291,4	12,588	7,817	4,771	22,765	225,492	1525782,384
2	1325,6	14,376	8,365	6,011	36,137	174,990	1442462,590
3	1461,8	15,177	10,546	4,631	21,442	154,440	1133853,646
4	1521,2	15,068	11,498	3,570	12,745	157,161	1010880,720
5	1663,9	15,160	13,784	1,376	1,893	154,863	744295,532
6	1824,8	15,799	16,362	-0,563	0,316	139,367	492559,230
7	1933,4	16,164	18,101	-1,937	3,753	130,882	351916,661
8	2070,3	16,588	20,294	-3,706	13,737	121,361	208233,091
9	1929,3	16,810	18,036	-1,226	1,502	116,519	356797,921
10	1964,9	16,517	18,606	-2,089	4,363	122,930	315535,696
11	2131,0	16,470	21,267	-4,797	23,008	123,975	156519,648
12	2186,6	17,006	22,157	-5,151	26,536	112,326	115617,437
13	1804,6	17,249	16,038	1,211	1,467	107,234	521321,026
14	1666,2	17,216	13,821	3,395	11,527	107,919	740332,284
15	1821,7	17,843	16,312	1,531	2,344	95,285	496920,159
16	1981,1	18,357	18,865	-0,508	0,258	85,514	297598,225
17	1942,6	18,532	18,249	0,283	0,080	82,308	341085,949
18	2009,5	18,981	19,320	-0,339	0,115	74,363	267418,929
19	2056,6	18,818	20,075	-1,257	1,580	77, 201	220924,103
20	2118,5	19,176	21,066	-1,890	3,574	71,038	166566,539
21	2135,9	19,815	21,345	-1,530	2,341	60,675	152666,527
22	2341,7	20,696	24,642	-3,946	15,571	47,726	34197,493
23	2317,9	22,240	24,261	-2,021	4,083	28,777	43566,393
24	3029,6	23,213	35,662	-12,449	154,972	19,284	252983, 206
25	1781,5	23,600	15,668	7,932	62,919	16,035	555212,221
26	2717,2	24,103	30,657	-6,554	42,959	12,260	36318,586
27	3421,1	24,640	41,933	-17,293	299,061	8,788	800084,379
28	3669,7	23,826	45,916	-22,090	487,960	14,276	1306618,990
29	3635,8	24,483	45,373	-20,890	436,382	9,743	1230267,759
30	3475,1	35,575	42,798	-7,223	52,178	63,531	899603,610
31	3724,0	34,495	46,786	-12,291	151,061	47,481	1433705,356
32	3612,3	35,851	44,996	-9,145	83,637	68,007	1178688,814
33	3515,5	37,308	43,446	-6,138	37,670	94,160	977872,498
34	3387,4	50,126	41,394	8,732	76,256	507,223	740932,497
35	3581,1	67,353	44,497	22,856	522,420	1579,952	1111916,174
36	3773,3	66,624	47,575	19,049	362,848	1522,530	1554196,957
37	3419,7	68,560	41,911	26,649	710,171	1677,362	797581,811
38	3890,7	70,495	49,456	21,039	442,634	1839,605	1860698,857
39	4403,9	69,673	57,677	11,996	143,896	1769,768	3524159,019
	98538,4	1076,571	1076,571	-	4278,163	11822,348	29397892,914

Перейти на страницу:
1 2 3 4 5

Построение и анализ регрессионной модели

Меню