Построение моделей регрессии

Судя по корреляционной матрице, связи между зависимой переменной Y и всеми независимыми переменными Х значимы. Получаем следующие варианты моделей парной регрессии:

1) ;

2) ;

3) ;

4) .

Варианты моделей множественной регрессии:

5) (хотя в этой модели Y связан с факторами теснее, чем факторы друг с другом, влияние мультиколлинеарности все же может проявиться)

6) .

Построим модели множественной регрессии и сравним полученные результаты в таблицах 3 и 4.

Из таблицы 2 видно, что переменные X1_X3 и X3_X4 значимы.

При построении всех моделей для повышения R-squared были исключены наблюдения, у которых остатки превышали по модулю 3.

Для устранения гетероскедастичности в моделях использовался взвешенный метод наименьших квадратов (введена новая переменная
W= 1/sqrt(X_norm))

Таблица 2.Характеристики информационной пригодности и значимость параметров конкурирующих моделей

Таблица 3. Показатели для выявления ошибок спецификации конкурирующих моделей