![]() ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
З ймовірністю 95% можливо стверджувати, що істинні значення розрахункових коефіцієнтів регресії знаходяться у вказаних вище інтервалах.Адекватності.
Показником адекватності отриманого рівняння емпіричним даним є коефіцієнт автокореляції залишків першого порядку.
Автокореляція – це кореляція змінної Х з цією ж змінною, але зрушеною на k спостережень, які називають лагом. Лаг визначає порядок коефіцієнта автокореляції. Якщо залишки регресійної моделі для кожного спостереження позначити як Позитивна і статистично значуща величина Негативно і статистично значуща величина
Якщо виконується умова r(1)=0, тобто абсолютна величина коефіцієнту автокореляції залишків першого порядку мала і він статистично незначущий – то регресійну модель можна вважати адекватною соціально-економічному явищу, що вивчається. Для визначення адекватності рівняння регресії 1,90989011+ 3,895054945Х з використання вбудованого блока КРА необхідно: ¨ Вивести діалогове вікно для отримання результату КРА (команди вивода описані раніше). ¨ Активізувати віконце “ Остатки ”, при цьому вказати адреси комірок Y, адреси комірок Х, рівня надійності (95%), виводом результатів на новий робочий лист.
Після команди “OK” на новому листі з’явиться таблиця з інформацією, (табл.6. Залишки регресійної моделі), в якої наводяться розрахункові значення результативної ознаки
Таблиця 6 Залишки регресійної моделі
¨ Побудувати коефіцієнт автокореляції залишків першого порядку r(1) і перевірити його статистичну значущість. Для цього необхідно повторити процедуру КРА, в якій у ролі результативної ознаки Результати вихідних даних для розрахунку r(1) наведені в таблиці 7, де r(1)=0,267631266 - показник ”Множественный R” є коефіцієнтом автокореляції залишків першого порядку, (поз.1) ; p=0,400357673 - показник, який визначає фактичну значущість, (поз.2). Згідно з загальною схемою, рис.3 рівень p- значущості коефіцієнта автокореляції залишків першого порядку потрапляє в область припустимих значень (0,400357673>0,05) і нульова гіпотеза Регресійну модель “ - 1,90989011+ 3,895054945 Х ” можна вважати такою, що адекватно описує залежність прибутку фірми від витрат витрачених для отримання прибутку. Таблиця 7 Вихідні дані для розрахунку r(1)
4. Практичне застосування парної лінійної моделі, (див. табл. 4, продовження 2)
Після побудови рівняння регресії, що адекватно описує економічний об’єкт дослідження, переходимо до його використання в наступних напрямках. Надаємо характеристику середньому рівню результативної ознаки 1). Надаємо характеристику середнього абсолютного впливу чинника 2). Надаємо характеристику середнього відносного впливу чинника де значення
Звідси
Коефіцієнт еластичності показує, що з ростом вкладених витрат на виробництво у 1,01 рази прибуток фірми підніметься в середньому на 1,109%. Коефіцієнт еластичності для базисних значень та прогнозу обчислюється у діапазоні комірок H70:H82.
3). Отриману адекватну модель (13) використаємо як інструмент прогнозу:
¨ з використанням точкового прогнозу, який дає значення результативної ознаки для відповідного рівня (наприклад: Для витрат в сумі 8,5 тис. грн. середнє значення прогнозу отриманого прибутку
Тобто, при рівні витрат в сумі 8,5 тис. грн. слід очікувати отримання прибутку в сумі 31,20 тис. грн.; ¨ з використанням довірчого інтервалу для окремого значення Довірчий інтервал прогнозу будується на основі загального співвідношення
де Розрахунки приведені в блоці комірок Для значення фактора Таким чином можна стверджувати, що при незмінних для даної сукупності обставин з збільшенням вкладання витрат на виробництво, буде супроводжуватися і ріст прибутку фірми; ¨ з використанням довірчого інтервалу математичного сподівання значення
В блоках комірок гранична помилка прогнозу (
5. Побудуємо графік лінії регресії для базисних даних та прогнозу. Для остаточного вирішення питання про форму зв’язку у випадку парної регресії, наочного уявлення одержаних розрахунків будуємо графіки (рис.6) фактичних даних Для побудови графіка моделі у діалоговому вікні Майстер діаграм вибираємо тип діаграми відповідно рис.4, а далі від 1 шага до 4 шага (рис.5) будуємо перелічені раніше графіки залежності (рис.6).
Рис.4.Диалогове вікно типів діаграм
Рис.5.Мастер діаграм
Рис.6 Графік парної лінійної регресії - 1,90989011+ 3,895054945 Х Згідно графіка парної лінійної регресії (рис.6) надаємо остаточний висновок, що залежність між значеннями фактора і показника є лінійною.
Значення коефіцієнта еластичності під час зростання фактора від 2 до 8, спадає від 1,32 до 1,07. Не нашли, что искали? Воспользуйтесь поиском:
|