Статистический анализ и прогнозирование безработицы

Оценим параметры уравнения на типичность. Найдем S2- остаточная уточнённая дисперсия; mа, mв, mr - ошибки по параметрам. Получим следующие данные:

S2=6,29; mа=0,671; mв=0,028; mr=0,173

ta=3,669; tb=126,61; tс=-7,32; tr=4,636.

Сравним полученное значение с табличным t-критерием Стьюдента. tтабличное при Р=0,05 и (n-2)= 2,1788. Так как tрасчётное > tтабличное , то параметры а, b и r уравнения типичны (значимы). Так как tрасчётное < tтабличное , то параметр с незначим.

Оценим уравнение в целом по критерию Фишера, выдвигаем гипотезу Н0:о том, что коэффициент регрессии равен нулю.

Fф=Dфакт/Dост=348,89/6,29=55,47.

FT(v1=1;v2=12)=4,75.

Т.к. Fф > FT при 5%-ном уровне значимости гипотеза Н0 отвергается, уравнение в целом стат. значимо. Индекс детерминации здесь составляет 0,642. Следовательно, уравнением регрессии объясняется 64,2% дисперсии результативного признака, а на долю прочих факторов приходится 35,8% её дисперсии (т.е. остаточная дисперсия).

3.6. Многофакторный корреляционно - регрессионный анализ

Таблица 4. Исходные данные.

Для анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции, т.е. возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени. Рассмотрим следующие факторы:

- Доход на душу населения – x1 (%)

- Индекс потребительских цен – x2 (%)

- Индекс ВРП - x3 (%)

Рассчитаем коэффициент корреляции для линейной связи и для имеющихся факторов - x1, x2 и x3:

Для фактора x1 получаем коэффициент корреляции: r1= 0,042

Для фактора x2 получаем коэффициент корреляции: r2 =0,437

Для фактора x3 получаем коэффициент корреляции: r3=0,151

По полученным данным можно сделать вывод о том, что:

1)Связь между x1 и y отсутствует, так как коэффициент корреляции меньше 0,15. Таким образом, возникает необходимость исключить данный фактор из дальнейших исследований.

2)Связь между x2 и y прямая (так как коэффициент корреляции положительный) и умеренная, так как она находится между 0,41 и 0,50. Поэтому, будем использовать фактор в дальнейших расчётах.

3)Связь между x3 и y прямая (так как коэффициент корреляции положительный) и слабая. Тем не менее, будем использовать фактор в дальнейших расчетах.

Таким образом, два наиболее влиятельных фактора – Индекс потребительских цен – x2 и индекс ВРП - x3. Для имеющихся факторов x2 и x3 составим уравнение множественной регрессии.

Проверим факторы на мультиколлинеарность, для чего рассчитаем коэффициент корреляции rx2x3. Подставив имеющиеся данные (из таблицы 10) в формулу, имеем следующее значение: rx2x3=0,747. Полученный коэффициент говорит об очень высокой связи, поэтому дальнейший анализ по обоим факторам вестись не может. Однако в учебных целях продолжим анализ.

 Скачать реферат