Модель берем линейную.
Шаг 1. Случайный характер остатков.
Для построения диаграммы зависимости ε = ε() выберем:
Анализ → Множественная регрессия
В окне Результаты множественной регрессии выберем закладку Анализ остатков, затем закладку Диаграммы рассеяния, в которой выбираем Предсказанные и Остатки.
В результате получим диаграмму:
Рисунок 6.1 – Зависимость остатков и теоретических значений
Анализ диаграммы показывает, что зависимость содержит тенденцию: некоторые точки располагаются очень далеко от оси абсцисс. Первая предпосылка использования метода наименьших квадратов не выполняется.
Шаг 2. Нулевая средняя величина остатков.
Для определения среднего значения остатков в окне Анализ остатков выберем закладку Быстрый и кнопку Предсказанные значения и остатки. В результате получим таблицу, содержащую расчет основных показателей по остаткам:
Рисунок 6.2 – Таблица с показателями по остаткам
Среднее значение по остаткам равно 0 с точностью до пятого знака после запятой. Вторая предпосылка использования метода наименьших квадратов выполняется.
Шаг 3. Гомоскедастичность остатков.
Выполним построение зависимостей ε = ε(xi), где i – номер фактора. Для этого в диалоговом окне Анализ остатков выберем закладку Остатки, в которой нажмем кнопку Остатки и независимые переменные и затем выберем переменную для построения. Получим диаграммы:
Рисунок 6.3 – Диаграмма рассеяния для зависимости ε = ε(x1)
На диаграмме видно, что некоторые точки очень удалены от оси абсцисс.
Рисунок 6.4 – Диаграмма рассеяния для зависимости ε = ε(x2)
Все коэффициенты регрессий имеют порядок ≈ 10–3÷10–5 и значение коэффициента парной корреляции для остатков и выбранной переменной ≈ 10–7. Поэтому линия подгонки является горизонтальной прямой, совпадающей с осью абсцисс для всех диаграмм. Третья предпосылка использования метода наименьших квадратов выполняется.
Шаг 4. Отсутствие автокорреляции в остатках.
Отсутствие автокорреляции остатков определяем по значению сериального коэффициента корреляции остатков и статистике Дарбина-Уотсона. На закладке Дополнительно окна Анализ остатков следует выбрать кнопку Статистика Дарбина-Уотсона. В результате получим таблицу, содержащую значения статистики и значение коэффициента:
Рисунок 6.7 – Таблица со значениями статистики Дарбина-Уотсона
Выдвинем гипотезу об отсутствии автокорреляции в остатках.
Так как выполнено неравенство –1,96 < h < 1,96, где h = 0,65312 – значение статистики Дарбина-Уотсона, то нет основания отклонить гипотезу об отсутствии автокорреляции в остатках. 4-я предпосылка использования метода наименьших квадратов выполняется.
Шаг 5. Нормальный закон распределения остатков.
Построение гистограммы для распределения остатков может быть выполнено с помощью двух инструментов:
1) На закладке Остатки окна Анализ остатков выбирается кнопка Гистограмма остатков.
2) в главном меню используется пункт Графики и подпункт Гистограмма, закладка Дополнительно.
При использовании первого инструмента получим гистограмму с параметрами по умолчанию (количество классов и размер класса) и без вывода на экран количественных характеристик распределения.
Рисунок 6.8 – Гистограмма распределения остатков, построенная с параметрами по умолчанию.
2) Перед использованием второго инструмента нужно значения остатков скопировать в окно исходных данных и после запуска диалога для построения гистограммы определить параметры. (рис. ниже).
Одним из параметров является количество классов, определяемое по формуле Штюргерса:
k = [1+3,32·lg n] = [1+3,32·lg 206] = [1+3,32·2,314] = 9,
где n – количество наблюдений.
Для n=204 возьмем k = 9
Далее в главном меню используется пункт Графики и подпункт Гистограмма, закладка Дополнительно. Выберем переменную остатки», нормальное распределение, включим флажки «Проценты», «Критерий Колм.-См., выберем число категорий 9.
В результате получим гистограмму:
Рисунок 6.9 – Гистограмма распределения остатков, построенная по заданным параметрам.
Выдвинем гипотезу о нормальном распределении остатков.
Фактическое значение статистики Колмогорова-Смирнова равно D=0,4089, табличное же значение DТабл(0,05; 206) < DТабл(0,05; 100) = 0,134,
где 0,05 – уровень значимости; 18 – число наблюдений.
Так как D > DТабл, то есть основания отвергать выдвинутую гипотезу.
Пятая предпосылка использования метода наименьших квадратов не выполнена.
Таким образом, большинство предпосылок метода наименьших квадратов не выполнено.