2015-03-20
6062
Построению уравнения показательной кривой 
предшествует процедура линеаризации переменных при логарифмировании обеих частей уравнения:
,
где 
.
Значения параметров уравнения регрессии определим аналогично степенной модели. Для их расчета используем данные таблицы (рисунок 4.5):
Рисунок 4.5 – Исходные данные для построения показательной модели
Результаты регрессионного анализа представлены на рисунке 4.6.
Рисунок 4.6 – Результат применения инструмента Регрессия
Получено уравнение множественной линейной регрессии: 
.
Оценивая параметры данного уравнения, замечаем, что статистически значимым является параметр при X1, (об этом свидетельствует величина р – значение из рисунка 4.6) следовательно, целесообразно строить уравнение показательной регрессии только с данным фактором. В результате получаем равнение следующего вида: 
(рисунок 4.7).
Произведем потенцирование полученного уравнения и запишем его в обычном виде: 
.
Подставляя в данное уравнение фактические значения x1, получаем теоретические значения результата 
(рисунок 4.8 графа 6). По ним рассчитаем показатели:
|
|
|
- индекс корреляции составит (рисунок 4.8): 
- связь между признаками сильная;
- коэффициент эластичности 
;
- средняя ошибка аппроксимации (рисунок 4.8, графа 9)
;
Рисунок 4.7 – Результат применения инструмента Регрессия
- F-критерий 
(рисунок 4.8).
Рисунок 4.8 – Данные для расчета показателей по показательной модели
Данная модель также статистически значима и имеет удовлетворительное качество.
