стали гораздо меньше остатком в парной регрессии. На графике можно видеть, что остатки в новой регрессии не напоминают о наличии сезонности и не обладают (скорее всего) свойством автокорреляции.

Рисунок 3. График остатков

Таким образом, мы получили регрессию с гораздо лучшими прогнозными свойствами.

Глава 3. Индексный анализ

Применим аппарат. Результаты приведены ниже

Таблица 6. индексный анализ

Рисунок 4. График сглаженного признака

Глава 4. Полиномиальная регрессия

Приведем массив данных

4.1. Построение регрессии

Для регрессии вида

найдем коэффициенты

Найдем обратную матрицу

Дополнительные миноры

Их определители

Союзная матрица

Союзная транспонированная матрица

Делим каждый элемент на определитель, получаем

Найдем

Уравнение регрессии имеет вид

Нарисуем график

Рисунок 5. График регрессии в R^3

Среднее значение регрессоров и Y

4.2. Коэффициенты эластичности

равны

4.3. Стандартизованные коэффициенты

Тогда

4.4. Парные коэффициенты корреляции

4.5. Частные коэффициенты корреляции