Предполагается, что объясняемая переменная 
зависит от двух факторов 
и 
, поэтому уравнение регрессии будем искать в виде:
,
1. Откройте MS Excel. Введите данные.
2. Найдите матрицу парных коэффициентов корреляции. В главном меню перейдите на вкладку Данные, затем Анализ данных – Корреляция.
Заполнить диалоговое окно ввода данных и параметров вывода: Входной интервал – следует указать все столбцы, содержащие значения результативного и факторных признаков. Выходной интервал – определяет, где будет размещена матрица коэффициентов. Чтобы матрицу разместить на отдельной странице необходимо поставить флажок в поле Новый рабочий лист. Нажмите ОК.
3. Выпишите значения коэффициентов парной корреляции и сделайте выводы о характере связи между результативным признаком и с каждым из действующих факторов 
и о характере межфакторной связи. Если при анализе будет обнаружена мультиколлинеарность, то от нее нужно избавиться, убрав из модели один из коррелирующих факторов.
4. Перейдите на вкладку Данные главного меню (ленты), затем Анализ данных – Регрессия. Заполните диалоговое окно инструмента Пакета анализа Регрессия:
Входные данные:
Входной интервал – диапазон (столбец или строка), содержащий данные результативного признака. – Необходимо выделить столбец с признаком 
.
Входной интервал 
– диапазон, содержащий данные факторов независимых признаков (одновременно выделяются столбцы, содержащие значения факторных признаков 
и 
)
Метки (да или нет)– флажок, который указывает, содержит ли первая строка названия столбцов или нет.
Введите название листа, в котором будут выведены результаты расчета, заполнив поле Новый рабочий лист.
Нажмите ОК. На отдельном листе появятся итоги регрессионного анализа, содержащие 3 таблицы:
Регрессионная статистика
Дисперсионный анализ:
Таблица без названия
5. Из таблицы «Регрессионная статистика» выпишите в бланк отчета значения коэффициента множественной корреляции, коэффициента множественной детерминации и скорректированный коэффициент детерминации.
6. Оцените статистическую значимость уравнения в целом. Для оценки качества уравнения регрессии в целом необходимо проверить гипотезу о незначимости коэффициента детерминации 
. 
. Используется 
критерий.
6.1. Наблюдаемое значение критерия 
можно взять из таблицы «Дисперсионный анализ».
6.2. Найдите табличное значение критерия Фишера. Выделите клетку, в которой должно появиться значение критерия. В главном меню нажмите на кнопку Вставить функцию 
. В окне Категория выберите Статистические, затем в окне Функция – FРАСПОБР. Заполните диалоговое окно. Щелкните по кнопке ОК. Появится табличное значение критерия Фишера.
6.3. Сравните критическое значение критерия с наблюдаемым значением. Сделайте вывод.
7. Для статистической оценки значимости коэффициентов регрессии (
) используем 
статистику Стьюдента. Проверяется нулевая гипотеза 
.
7.1. Наблюдаемые значения критерия Стьюдента 
можно найти в Таблице без названия.
7.2. Найдите критическое значение коэффициента Стьюдента 
. Выделите клетку, в которой вы хотите разместить значение . Выполните последовательно процедуры: Вставка функции - статистические-СТЬЮДРАСПОБР. Введите значения уровня значимости 
и числа степеней свободы 
. Нажмите ОК.
7.3. Сравните с наблюдаемыми значениями критерия Стьюдента. Сделайте вывод о статистической значимости параметров уравнения регрессии. Если какой либо параметр оказался статистически незначимым, то нужно исключить из уравнения соответствующий регрессор и построить новое уравнение. Если все параметры значимы, то остаются все регрессоры в уравнении.
8. Запишите уравнение регрессии в бланк отчета. Параметры (коэффициенты) уравнения регрессии находятся в таблице без названия.
9. Сделайте вывод в соответствии с экономическим смыслом коэффициентов регрессии.
КОНТРОЛЬНЫЕ ВОПРОСЫ
1. Понятие уравнения множественной регрессии. Приведите примеры.
2. Каким необходимо следовать правилам при отборе факторов в уравнение регрессии.
3. Степенное и линейное уравнение множественной регрессии. Экономический смысл коэффициентов.
4. Матрица парных коэффициентов корреляции. Понятие мультиколлинеарности. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности.
5. Множественный коэффициент детерминации. Скорректированный множественный коэффициент детерминации.
6. Проверка статистической значимости параметров множественного линейного уравнения регрессии, а также уравнения регрессии в целом.