Построение классической линейной модели множественной регрессии. Анализ матриц коэффициентов корреляции на наличие мультиколлинеарности. Анализ линейной модели парной регрессии с наиболее значимым фактором. Влиянием значимых факторов на результат.
Построение и анализ модель множественной регрессииПостроить классическую линейную модель множественной регрессии, выполнить экономический анализ основных показателей модели: коэффициентов «чистой» регрессии, индекса корреляции, индекса детерминации, оценить значимость модели в целом (F-критерий Фишера) и отдельных ее параметров (t-статистика Стьюдента). Дайте оценку влияния значимых факторов на результат с помощью коэффициентов эластичности, ?-и ?-коэффициентов. Осуществить прогнозирование (точечный прогноз и доверительный интервал прогноза) среднего значения показателя Y при уровне значимости a = 0,1 при условии, что прогнозное значения фактора X составит 80% от его максимального значения (для однофакторной модели). Рассмотрим факторные признаки для построения регрессионной модели. множественный регрессия корреляция мультиколлинеарность Классическая линейная модель множественной регрессии можно представить в виде: Проведем регрессивный анализ, используя инструмент Excel «Регрессия» (Сервис - Анализ данных - Регрессия).
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
