Сформирована эконометрическая модель в виде линейного уравнения парной регрессии, связывающая величину ежемесячной пенсии ус величиной прожиточного минимумах: .

2. На основании анализа численного значения коэффициента корреляции = 0,038 установлено отсутствие статистической связи между величиной прожиточного минимумахи величиной ежемесячной пенсииу. Показано, что доля всех неучтенных в полученной эконометрической модели объясняющих переменных приблизительно составляет 99,8%.

3. Путем расчета коэффициента эластичности показано, что при изменении прожиточного минимума на 1% величина ежемесячной пенсии изменяется несущественно, всего на 0,000758%.

4. Рассчитана средняя ошибка аппроксимации статистических данных линейным уравнением парной регрессии, которая составила 2,6%, что является вполне допустимой величиной.

5. С использованием F- критерия установлено, что полученное уравнение парной регрессии в целом является статистически незначимым, и не адекватно описывает изучаемое явление связи величины ежемесячной пенсииус величиной прожиточного минимумах.

6. Сформирована эконометрическая модель множественной линейной регрессии, связывающая величину чистого дохода условной фирмы ус оборотом капиталах₁ и использованным капиталом х₂: .

7. Путем расчета коэффициентов эластичности показано, что при изменении оборота капитала 1% величина чистого дохода копании изменяется на 0,0008%, а при изменении использованного капитала на 1% величина чистого дохода компании изменяется на 0,56%.

8. С использованием t – критерия выполнена оценка статистической значимость коэффициентов регрессии Установлено, что объясняющая переменная х₁ является статистически незначимой и ее можно исключить из уравнения регрессии в тоже время объясняющая переменная х₂ является статистически значимой.

9. С использованием F- критерия установлено, что полученное уравнение парной регрессии в целом является статистически значимым, и адекватно описывает изучаемое явление связи величины чистого дохода условной фирмыус оборотом капиталах₁ и использованным капиталом х₂.

10. Рассчитана средняя ошибка аппроксимации статистических данных линейным уравнением множественной регрессии, которая составила 29,8%. Показано, за счет какого наблюдения в статистической базе величина данной ошибки превышает допустимое значение.

Построение модели парной регрессии «вручную»

Используя статистический материал, приведенный в таблице 1.4 необходимо:

1. Рассчитать параметры уравнения линейной парной регрессии.

2. Оценить тесноту связи с помощью показателей корреляции и детерминации.

3. Используя коэффициент эластичности, определить степень связи факторного признака с результативным.

4. Определить среднюю ошибку аппроксимации.

5. Оценить с помощью F-критерия Фишера статистическую надежность моделирования.

Таблица 1.4. Исходные данные.

Для определения неизвестных параметров b₀,b₁уравнения парной линейной регрессии (1) используем стандартную систему нормальных уравнений, которая имеет вид

(1.9)

Для решения этой системы вначале необходимо определить значения величин Sх²иSху. Эти значения определяем из таблицы исходных данных, дополняя ее соответствующими колонками (таблица 3.5)

Таблица 1.5. К расчету коэффициентов регрессии

Тогда система (3.1.9) приобретает вид

(1.10)

Выражая из первого уравнения b₀и подставляя полученное выражение , во второе уравнение получим

Производя почленное умножение и раскрывая скобки, получим

Откуда

Тогда

Окончательно уравнение парной линейной регрессии, связывающее величину доли денежных доходов населения, направленных на прирост сбережений (у) с величиной среднемесячной начисленной заработной платы (х) имеет вид

(1.11)

Далее, в соответствии с заданием необходимо оценить тесноту статистической связи зависимой переменной у с объясняющей переменной х с помощью показателей корреляции и детерминации.

Так, как построено уравнение парной линейной регрессии, то определяем линейный коэффициент корреляции по зависимости

, (1.12)

где- значения среднеквадратических отклонений соответствующих параметров.

Для расчета линейного коэффициента корреляции по зависимости (1.12) выполним промежуточные расчеты

Подставляя значения найденных параметров в выражение (1.12) получим

.

Полученное значение линейного коэффициента корреляции свидетельствует о наличии слабой обратной статистической связи между величину доли денежных доходов населения, направленных на прирост сбережений (у) и величины среднемесячной начисленной заработной платы (х).

Коэффициент детерминации равен , что означает, что только 9,6% объясняется регрессией объясняющей переменнойх на величину у. Соответственно величина 1-равная 90,4 % характеризует долю дисперсии переменнойу, вызванную влиянием всех остальных, неучтенных в эконометрической модели объясняющих переменных.

Коэффициент эластичности определяется по зависимости (3.1.3) и равен

Следовательно, при изменении величины среднемесячной начисленной заработной платы на 1% величина величину доли денежных доходов населения, направленных на прирост сбережений также снижается на 1%, причем при увеличении заработной платы наблюдается снижении величины доли денежных доходов населения, направленных на прирост сбережений снижение. Данный вывод противоречит здравому смыслу и может быть объяснен только некорректностью сформированной математической модели.

Для определения средней ошибки аппроксимации воспользуемся зависимостью (1.4) . Для удобства расчетов преобразуем таблицу 1.4 к виду таблица 1.6 В данной таблице в колонке рассчитаны текущие значения объясняющей переменной с использованием зависимости (1.9).

Таблица 1.6. К расчету средней ошибки аппроксимации

Тогда средняя ошибка аппроксимации равна

Полученное значение превышает (12…15)%, что свидетельствует о существенности среднего отклонения расчетных данных от фактических, по которым построена эконометрическая модель.

Надежность статистического моделирования выполним на основе F – критерия Фишера. Технология использования данного критерия приведена в п.п. 1.2.

Теоретическое значение критерия Фишера F_т определяется из соотношения значений факторной и остаточнойдисперсий, рассчитанных на одну степень свободы по формуле

; (1.13)

где n - число наблюдений; m - число объясняющих переменных (для рассматриваемого примера m =1).

Тогда

Критического значения F_крит, определяется по статистическим таблицам и для уровня значимостиa= 0, 05 равняется 10,13. Так какF_Т<F_крит, то нулевая гипотеза не отвергается, и полученное уравнение регрессии принимается статистически незначимым.