1) Данилович Анастасия, группа ____, вариант 11;
Регрессионная статистика |
|||||||
Множественный R |
0,857607 |
||||||
R-квадрат |
0,735490 |
||||||
Нормированный R-квадрат |
0,720795 |
||||||
Стандартная ошибка |
8,060884 |
||||||
Наблюдения |
20 |
||||||
Дисперсионный анализ |
|||||||
|
df |
SS |
MS |
F |
Значимость F |
||
Регрессия |
1 |
3252,170582 |
3252,171 |
50,050 |
1,35E-06 |
||
Остаток |
18 |
1169,601418 |
64,97786 |
||||
Итого |
19 |
4421,772 |
|
|
|
||
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
|
Y-пересечение |
78,80256 |
4,295288695 |
18,34628 |
4,3E-13 |
69,77849 |
87,8266 |
|
x |
-0,68088 |
0,09624281 |
-7,07463 |
1,4E-06 |
-0,88308 |
-0,47868 |
|
2) Получено следующее уравнение регрессии:
= 78,803 – 0,681 x ; R = 0,858; R2 = 0,735;
tСт (18,35) (7,07) F = 50,05.
3) Экономическая интерпретация параметров уравнения.
Коэффициент регрессии уравнения (-0,681) показывает, что при увеличении объема выпуска на 1 тыс. ед. себестоимость продукции снижается на 0,681 тыс. ден. ед. Свободный член уравнения (78,803) показывает, что при нулевом объеме выпуска (х = 0) себестоимость производства составляет 78,803 тыс. ден. ед.
4) Теснота линейной зависимости факторов оценивается по коэффициенту корреляции.
Так как значение коэффициента корреляции (R = 0,858) близко к единице (больше 0,75), то между исследуемыми факторами существует корреляционная связь сильной степени.
5) Общее качество модели можно охарактеризвать по критерию Фишера и коэффициенту детерминации.
Наблюдаемое значение критерия Фишера составило F = 50,05. Критическое значение при уровне значимости a = 0,05 составило 4,414 (функция Excel FРАСПОБР(0,05;1;18)). Так как наблюдаемое значение F превышает критической (50,050 > 4,414), то полученное уравнение регрессии считается статистически значимым, т. е. качественным.
Коэффициент детерминации уравнения регрессии (R2 = 0,735) показывает, что 73,5 % разброса фактора Y (себестоимости) объясняется разбросом фактора х (объема выпуска) и только 26,5 % приходятся на долю других, не включенных в модель факторов.
6) Статистическая значимость параметров уравнения оценивается по t-критерию Стьюдента.
Наблюдаемые значения критерия Стьюдента для каждого параметра уравнения записаны в графе t-статистика итоговой таблицы.
Критическое значение t-критерия при уровне значимости a = 0,05 составило 2,093 (функция Excel СТЬЮДРАСПОБР(0,05;19))
Свободный член уравнения 78,803 имеет наблюдаемое значение критерия Стьюдента t = 18,346. Так как наблюдаемое значение больше критического (18,346 > 2,093), то свободный член уравнения регрессии считается статистически значимым.
Коэффициент регрессии (-0,681) имеет наблюдаемое значение критерия Стьюдента t = 7,075. Так как наблюдаемое значение больше критического (7,075 > 2,093), то коэффициент регрессии уравнения считается статистически значимым.
7) На основании теста Голдфелда-Кванда заключаем, что остатки от регрессии являются гомоскедастичными.
8) Так как построенное уравнение регрессии имеет статистически значимые параметры, а также высокое общее качество и гомоскедастичные остатки, то его можно использовать для прогноза.
9) Рассчитаем прогноз себестоимости, если объем выпуска должен увеличиться на 5 % от его среднего уровня.
Находим средний уровень объема выпуска. Для этого используем функцию Excel СРЗНАЧ.
В результате получаем Хср = 40,51 тыс. ед.
Увеличим это значение на 5 %, т. е. умножим на 1,05.
Х0 = 40,51∙1,05 = 42,54 тыс. ед.
Для полученного значения объема выпуска рассчитаем прогнозное значение себестоимости. Для этого подставим значение Х0 = 42,54 в полученное уравнение линейной регрессии:
Yпрогн. = 78,803 – 0,681∙42,54 = 49,84 тыс. ден. ед.
То есть, если объем выпуска увеличится на 5 % от его среднего уровня, то себестоимость составит около 49,84 тыс. ден. ед.
Интервальный прогноз себестоимости с вероятностью 95 % находится в пределах от 32,55 до 67,13 тыс. ден. ед.