Проста лінійна регресія, Детальна інформація

\xFD06

\xFD06

\xFD06

\x0A01\x1E03\x6100\x03F6<\x0500

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

\xFD06

. Як ми і очікували, наявний прямий зв’язок між ціною ресурсу та оптовою ціною продукції, тобто знаки коефіцієнтів моделі є додатніми.

.

Розрахунок показників.

Перевірка на значимість коефіцієнтів моделі.

.

отримаємо з таблиці t-розподілу Стьюдента). В нашому випадку k = 2, n = 12. Рзрахункові дані отримаємо з таблиці, що була отримана за допомогою пакету Eviews. Ми отримали tрозр = 10,24 (для коефіцієнта b1) з ймовірністю, що майже дорівнює нулю. Це означає, що наш коефіцієнт статистично значимий з майже стовідсотковою ймовірністю. До аналогічного висновку приходимо стосовно параметра bo (tрозр = 79,87). Статистична значимість коефіцієнта b1 також означає, що х має значимий вплив на у.

Інтерпретація коефіцієнта детермінації.

, що означає, що зміна y, що в нашій моделі є натуральним логарифмом від значення оптової ціни, на 91.2943% пояснюється зміною х.

Побудова інтервалів довіри для оцінених коефіцієнтів.

Як нам відомо, інтервали довіри для оцінених коефіцієнтів мають вигляд:

.





Критичне значення візьмемо з таблиці t – розподілу Стьюдента.