1) Так как объем сбережений домохозяйства зависит от располагаемого им дохода и процентной ставки, то в качестве факторных признаков (и ) будут выступать доход и процентная ставка, а в качестве результативного (y) – объем сбережений.
Для нахождения параметров множественной регрессии рассчитаем необходимые суммы и средние величины (см. табл. 9.2 и 9.3).
Таблица 9.2
Год | y | ||||
5831,405 | 1,860 | ||||
4404,132 | 1,860 | ||||
1322,314 | 0,132 | ||||
695,041 | 1,860 | ||||
267,769 | 0,132 | ||||
267,769 | 0,405 | ||||
13,223 | 0,405 | ||||
558,678 | 0,132 | ||||
2876,860 | 0,405 | ||||
5422,314 | 2,678 | ||||
6995,041 | 2,678 | ||||
Сумма: | 28654,545 | 12,545 | |||
Среднее: | 176,364 | 3,364 | 36,818 |
Таблица 9.3
Год | ||||
104,132 | 1284,298 | 22,934 | 282,851 | |
90,496 | 784,298 | 16,116 | 139,669 | |
13,223 | 247,934 | 2,479 | 46,488 | |
35,950 | 179,752 | 9,298 | 46,488 | |
5,950 | 29,752 | 0,661 | 3,306 | |
-10,413 | -19,339 | 0,752 | 1,397 | |
2,314 | 11,570 | 2,025 | 10,124 | |
-8,595 | 27,934 | -0,430 | 1,397 | |
34,132 | 385,207 | 4,570 | 51,579 | |
120,496 | 970,661 | 21,570 | 173,760 | |
136,860 | 1520,661 | 29,752 | 330,579 | |
Сумма: | 524,545 | 5422,727 | 109,727 | 1087,636 |
Тогда
|
|
Таким образом, модель множественной линейной регрессии имеет вид
.
2) Оценим тесноту связи между указанными признаками с помощью совокупного коэффициента корреляции. Средние значения признаков , и y найдены в таблице 9.2. Рассчитаем дисперсии и среднеквадратические отклонения этих признаков (необходимые суммы найдены в таблицах 9.2 и 9.3):
; (тыс. руб.);
; (%);
; (тыс. руб.).
Рассчитаем в таблице 9.4 суммы и средние величины, необходимые для нахождения парных линейных коэффициентов корреляции.
Таблица 9.4
Год | y | |||||
Сумма: | ||||||
Среднее: | 176,364 | 3,364 | 36,818 | 640,909 | 6986,364 | 133,818 |
Найдем парные линейные коэффициенты корреляции:
,
,
.
Итак, совокупного коэффициента корреляции
,
что свидетельствует о весьма высокой связи между этими признаками, т.е. между объемом сбережений домохозяйства, располагаемого им дохода и процентной ставкой.
3) Коэффициент детерминации , следовательно, модель объясняет зависимость между переменными на 97,8 %.
4а) При уровне значимости проверим гипотезу о значимости модели множественной линейной регрессии.
,
.
1. Наблюдаемое значение критерия:
|
|
,
2. Критическая точка ,
3. Т.к. (175,4735>4,46), то отклоняем нулевую гипотезу о равенстве нулю коэффициента детерминации. Т.е. принимаем конкурирующую гипотезу о наличии линейной регрессии между показателями и y (совокупное влияние переменных и на переменную y существенно).
4б) При уровне значимости проверим гипотезы о значимости параметров регрессии.
Рассчитаем стандартную ошибку регрессии, для этого в таблице 9.5 найдем теоретические значения и .
Таблица 9.5
Год | y | ||||
22,489 | 6,1927 | ||||
23,730 | 1,6119 | ||||
31,010 | 1,0199 | ||||
28,698 | 1,6953 | ||||
33,494 | 2,2690 | ||||
37,048 | 0,9072 | ||||
39,531 | 0,2197 | ||||
38,461 | 0,2127 | ||||
45,741 | 3,0302 | ||||
51,778 | 3,1626 | ||||
53,020 | 3,9193 | ||||
Сумма: | 24,2406 |
Тогда .
Для коэффициента регрессии :
,
.
1. Наблюдаемое значение критерия:
,
где
;
2. Критическая точка ;
3. Т.к. (5,8495>2,31), то отклоняем нулевую гипотезу о незначимости коэффициента регрессии .
Для коэффициента регрессии :
,
.
1. Наблюдаемое значение критерия:
,
где ;
2. Критическая точка ;
3. Т.к. (3,5025>2,31), то отклоняем нулевую гипотезу о незначимости коэффициента регрессии .
Для параметра регрессии a:
,
.
1. Наблюдаемое значение критерия:
,
где
2. Критическая точка ;
3. Т.к. (1,5647<2,31), то принимаем нулевую гипотезу о незначимости параметра a, т.е. параметра a почти не отличается от нуля или равен нулю, и он может не использоваться в модели. Однако наличие свободного члена в линейном уравнении может лишь уточнить вид зависимости. Поэтому, если нет серьезных причин для удаления свободного члена из уравнения регрессии, то лучше его использовать в модели.
5) Построим 95%-ные доверительные интервалы для найденных параметров регрессии в соответствии с выше приведенными формулами.
Для параметра регрессии a:
или (-1,4031;7,3270),
для коэффициента регрессии :
или (0,0753;0,1731),
для коэффициента регрессии :
или (1,2142;5,8935).
6) Прогноз среднего объема сбережений в 1991 году найдем по построенной модели множественной линейной регрессии.
(тыс. руб.).