Автор работы: Пользователь скрыл имя, 23 Марта 2014 в 12:37, контрольная работа
Связь между переменными статистически значима, т.к. коэф. Регрессии равен 0,81. Коэффициент детерминации равен 0,66 (скорегированный = 0,59). Это означает, что вариация зависимой переменной (производительности труда) на 66% объясняется вариацией факторных признаков.
Дисперсия ошибок не значительна и составляет 1,36.
Критерий Фишера равен 9,52, при критическом значении 2,74. Это означает, что в целом модель статистически значима.
Критическое значие критерия Стьюдента = 1,78. Это означает, что не все параметры статистически значимы. Статистически значимыми параметрами являются а0, а2, а3.
Построим график гребневого следа параметров, который отражает степень смещения оценок регрессионной модели:
13 Еще одним методом устранения мультиколлинеарности является метод главных компонент, суть которого сводится к формированию искусственных переменных, которые являются линейной комбинацией исходных переменных, но не находятся в корреляционной зависимости между собой.
Для этого в меню Statistics откроем Multivariate Exploratory Techniques/Factor Analysis, выберем все переменные кроме Y , максимальное число факторов – 4 , минимальное собственное число = 0:
На вкладке Advanced установим переключатель в положение в положение Principal components и нажмем «Ок».
Инициируем опцію Eigenvalues и получим следующую таблицу:
Для рассмотрения нам нужно оставить первый и второй факторы, т.к. собственные числа більше 1 и в сумне они обьясняют более 75% вариации.
Инициируем Scree Plot, чтобы построить график собственных чисел:
График дает нам визуальное подтверждение предыдущих выводов.
На вкладке Loadings выберем Summary: Factor Loadings:
Данная таблица отражает факторные загрузки (коэффициенты корреляции в соответствии с фактором); Expl.Var – собственные числа; Prp.Totl – объясненная дисперсия.
Для того, чтобы получить таблицу факторов (главных компонент) инициируем опцию Factor Scores
Довавляем ранее выбранные 1-ый и второй факторы в исходные данные на лист Spreadsheet и строем уравнение регрессии по этим двум факторам и зависимой переменной Y.
Полученная модель является статистически значимой по критерию Фишера, но значимым остается влияние неучтенных факторов.
Учитывая то, что модели в целом адекватны, построим прогноз для производительности труда (Predict dependent variable):
При вышеуказанных значениях ФЗПср, стоимости ОПФср, фондоотдаче и премий, производительность труда составит 7,34 ед/час. Данное значение с вероятностью 95% будет принадлежать интервалу от 6,24 до 8,44 ед/час.
Вывод: приобретены навыки построения и анализа линейной многофакторной эконометрической модели.
Информация о работе Построение и анализ многофакторной эконометрической модели