Степень свободы: (n-m-1) = (число наблюдений - число факторов в уравнении- 1 =8-2-1=5)
По расчетам определено критическое значение t- критерия=2,57.
t крит первой переменной х1 = 3,65 > 2,57, следовательно коэффициент значим.
t крит второй переменной х2 =0,60 < 2,57 – параметр должен быть исключен
В рассматриваемом примере свободный член уравнения и коэффициент первой переменной значимы, а вот вторая переменная должна быть исключена т.к. ее стандартная ошибка выше значения коэффициента и
Р -значение находится за пределами заданного уровня значимости (0.05)
Уравнение регрессии имеет окончательный вид: Y= -108,6 +2,44х1
АНАЛИЗ СТАТИЧЕСКОЙ ЗНАЧИМОСТИ ПАРАМЕТРОВ МОДЕЛИ
Анализ статической значимости параметров модели проводят по коэффициентам эластичности.
Коэффициенты эластичности показывают, на сколько процентов в среднем изменится значение результативного признака при изменении значения соответствующего факторного признака на 1%.
Эi = а i* (x̃ i / y i)
Где, x̃ i – среднее значение факторного признака;
у i – среднее значение результативного признака;
а i – коэффициент регрессии при соответствующем факторном признаке.
В нашем примере:
Эх1 =2,44 *(158,5 /332,975) = 1,16
Таким образом увеличение объема промышленного производства на 1% вызывает рост объема ВВП на 1,16 %. Если бы в уравнении было несколько переменных то по значению коэффициента эластичности можно было определить какую переменную необходимо увеличивать для повышения роста факторного признака.