Статистический анализ валового регионального продукта федеральных округов Российской Федерации
t1 факт = 7,14 > tтабл. = 1,68
t2 факт = -4,67 > tтабл. = 1,68
Значит, статистически значимым являются первый и второй факторы. В этом случае модель пригодна для принятия решений, но не прогнозов.
Таблица 14.6 Описательная статистика
У |
Х1 |
Х2 | |
Среднее |
840,3615 |
565930 |
113525,7 |
Стандартная ошибка |
94,95183 |
138158 |
16492,55 |
Медиана |
714,6 |
368307 |
92039,1 |
Мода |
#Н/Д |
#Н/Д |
#Н/Д |
Стандартное отклонение |
592,974 |
862796 |
102996 |
Дисперсия выборки |
351618,1 |
7,4E+11 |
1,06E+10 |
Эксцесс |
-0,914121 |
27,3251 |
22,87771 |
Асимметричность |
0,480141 |
4,88112 |
4,36911 |
Интервал |
2055,3 |
5385754 |
630416 |
Минимум |
38,5 |
19490 |
37856,2 |
Максимум |
2093,8 |
5405244 |
668272,2 |
Сумма |
32774,1 |
2,2E+07 |
4427504 |
Счет |
39 |
39 |
39 |
Средние значения признаков, включённых в модель У = 840,4%;
х1 = 565930 млрд.руб.; х2 = 113525,7 тыс.руб.
Стандартные ошибки коэффициентов регрессии Sao = 351618,1; Sa1 = 7,4; Sa2 = 1.06
Средние квадратические отклонения признаков σУ = 592,97%; σх1 = 862796 млрд.руб.; σх2 = 102996 тыс.руб.
Зная средние значения и средние квадратические отклонения признаков, рассчитаем коэффициенты вариации для оценки однородности исходных данных
Вариация факторов, включённых в модель не превышает допустимых значений (33-35%), а уровень рентабельности характеризуется вариацией 0,7%. В данном случаи необходимо проверить исходную информацию и исключить те значения, которые значительно отличаются от средних значений.
Разные единицы измерения делают несопоставимыми коэффициенты регрессии, когда возникает вопрос о сравнительной силе воздействия на результативный признак каждого из факторов чистой регрессии. Выразим их в стандартизированной форме в виде бета – коэффициентов и коэффициентов эластичности.
Каждый из β – коэффициентов показывает, на сколько средних квадратических отклонений изменится среднегодовая численность занятых в экономике, если соответствующий фактор изменится на своё среднее квадратическое отклонение.
При увеличении основных фондов на 1 среднее квадратическое отклонение среднегодовая численность занятых в экономике увеличится на 1,3% своего среднего квадратического отклонения; при увеличении валового регионального продукта на 1 своё квадратическое отклонение среднегодовая численность занятых в экономике снизится на 0,87 своего квадратического отклонения.
Каждый из коэффициентов эластичности показывает, на сколько процентов изменится в среднем среднегодовая численность занятых в экономике, если соответствующий фактор изменится на 1%.
При увеличении основных фондов на душу населения на 1% среднегодовая численность занятых в экономике увеличится на 0,6%; при увеличении валового регионального продукта на 1% среднегодовая численность занятых в экономике снижается на 0,67%.
В таблице 1.7 приведены расчётные значения среднегодовой численности занятых в экономике и отклонения фактических значений от расчётных. Расчётные значения получены путём подстановки значений факторов среднегодовой численности занятых в экономике в уравнение регрессии.
Если расчётное значение среднегодовой численности занятых в экономике превышает фактическое значение (остатки отрицательные), то есть резервы повышения среднегодовой численности занятых в экономике за счёт факторов включённых в модель, в противном случаи 9остатки положительные) отсутствуют резервы повышения среднегодовой численности занятых в экономике за счёт факторов, включённых в модель.
Таблица 14.7 Остатки
Наблюдение |
Предсказанное У |
Остатки |
1 |
-346,5332771 |
385,0332771 |
2 |
550,2069329 |
-470,4069329 |
3 |
690,574439 |
-605,674439 |
4 |
167,2487007 |
-73,4487007 |
5 |
715,5607952 |
-611,2607952 |
6 |
511,2190356 |
-330,3190356 |
7 |
606,198028 |
-362,098028 |
8 |
-97,92013983 |
375,7201398 |
9 |
777,9102084 |
-443,5102084 |
10 |
700,4655634 |
-313,8655634 |
11 |
801,1335239 |
-402,0335239 |
12 |
607,0256551 |
-182,8256551 |
13 |
831,2316119 |
-396,9316119 |
14 |
320,3533398 |
148,7466602 |
15 |
396,0356826 |
82,86431738 |
16 |
874,2950193 |
-392,4950193 |
17 |
856,091577 |
-258,591577 |
18 |
804,6609681 |
-199,7609681 |
19 |
869,7702539 |
-193,5702539 |
20 |
914,4024079 |
-199,8024079 |
21 |
856,6993563 |
-135,3993563 |
22 |
773,1824245 |
-8,38242446 |
23 |
670,4381776 |
268,6618224 |
24 |
736,0029521 |
244,1970479 |
25 |
832,5893181 |
187,7106819 |
26 |
980,3488304 |
124,7511696 |
27 |
982,1744744 |
155,5255256 |
28 |
1081,638398 |
87,86160193 |
29 |
997,917685 |
223,782315 |
30 |
951,3697062 |
351,3302938 |
31 |
1189,29396 |
129,6060404 |
32 |
890,7347492 |
534,0652508 |
33 |
1241,618178 |
337,3818223 |
34 |
1226,563428 |
447,8365718 |
35 |
1091,772283 |
657,1277172 |
36 |
1261,626924 |
516,3730764 |
37 |
1229,902257 |
567,6977433 |
38 |
2545,203812 |
-654,6038121 |
39 |
1685,092762 |
408,7072385 |