Корреляционно-регрессионный анализ развития экономического роста

              Для отбора значимых факторов в уравнение регрессии воспользуемся следующей формулой[3,с.150]:

                            ryxi ≥ rxixj              (3)

                                                            ryxj ≥ rxixj

После проверки необходимости включения модели факторов, Х2, Х3, Х4 , Х5, Х6 ,Х7 потому что не выполняются неравенства системы (3). А именно:

           0,93≥0,53       не выполняется условие системы (3), исключаем фактор Х2,

0,22≤0,53             

           0,93≥0,91      не выполняется условие системы (3),исключаем фактор Х3, 

           0,84≤0,91

0,93≥0, 39     не выполняется условие системы (3), исключаем фактор Х4,      

     0,094≤0,39

0,93≥0,69        не выполняется условие системы (3), исключаем фактор Х5,

0,53≤0,69

0,93≥0,49        не выполняется условие системы (3), исключаем фактор Х6,

0,28≤0,49

           0,93≥0,63

          0,57≤0,63       не выполняется условие системы (3), исключаем фактор Х7.

Полученное уравнение регрессии будет искать в виде уравнения парной регрессии:

              y=a0+a1 x1              (4)

                 Далее нужно найти для заданных значений Y, X1 с помощью пакета «Анализ данных» программы Excel.

Данные регрессионного анализа программы Excel.

Таблица 3.

Уравнение регрессии будет иметь вид:

              Y=44,53364+1,17507X1              (6)

Таблица коэффициентов парной корреляции отобранных факторов.

Таблица 4.

              Для определения тесноты связи между фактором Y и фактором X1   применяется коэффициент множественной корреляции R. Коэффициент изменяется в интервале от 0 до 1, он берется всегда по абсолютной величине.  Если R=0, то нет линейной корреляционной связи между Y  и X1. Если R=1, то существует функциональная связь. В нашем случае R=0,93, что говорит о наличии функциональной связи.

              Далее рассматривают R2, он называется коэффициентом множественной детерминации. Он показывает, какая часть общей дисперсии объясняется за счет вариации линейной комбинации аргументов Х1 при данных значениях коэффициентов регрессии.  В нашем случае R2=0,868001, т.е. 86,8%    вариации результативного признака объясняется факторами, включенными в уравнение регрессии, а 13,1999% - неучтенными факторами в модели.

Расчетные значения результативного признака.

Таблица 5.