Спецификация модели. Корреляционным полем называется множество точек на плоскости с координатами (xi, yi), i = 1

Вид регрессии визуально определяется по корреляционному полю, которое изображено на листе «Регрессия» на графике подбора черными точками по данным 20 наблюдений из листа «Исходные данные» (рисунок 1).

Рисунок 1 – Корреляционное поле (график подбора)

Так как точки сгруппированы вдоль прямой (не горизонтальной), то можно предположить, что зависимость экспорта (у) от ВВП (x) описывается парной линейной регрессионной моделью где b ₀, b ₁ – неизвестные параметры модели; e – случайная переменная, которая включает в себя суммарное влияние всех неучтенных в модели факторов.

Для характеристики вида связи используется ковариация, рассчитываемая по формуле Если то возрастание x приводит к увеличению у и связь прямая. Если то возрастание x приводит к уменьшению и связь обратная. Если то экономические показатели не связаны. Тесноту связи изучаемых экономических показателей для линейной регрессии оценивает коэффициент парной корреляции : Коэффициент корреляции необходимо проверить на значимость (значительно ли отличается от нуля), так как он найден по выборочной совокупности, что может привести к неверным выводам о всей генеральной совокупности. Проверка значимости коэффициента корреляции осуществляется с помощью t -статистики: Величина t имеет распределение Стьюдента с степенями свободы. По выборке находится наблюдаемое значение tнабл статистики. Если | tнабл | то коэффициент корреляции значим ( = tкр – критическая точка распределения Стьюдента, зависящая только от объема выборки). Качественная оценка тесноты связи между величинами выявляется по шкале Чеддока (таблица 2). Таблица 2 – Шкала Чеддока Теснота связи Значение коэффициента корреляции при наличии прямой связи обратной связи Слабая 0,1–0,3 (–0,1)–(–0,3) Умеренная 0,3–0,5 (–0,3)–(–0,5) Заметная 0,5–0,7 (–0,5)–(–0,7) Высокая 0,7–0,9 (–0,7)–(–0,9) Весьма высокая 0,9–0,99 (–0,9)–(–0,99)

В Excel с помощью пакета «Анализ данных» на листе «Исходныеданные» получены ковариационная и корреляционная матрицы (таблицы 3 и 4).

Таблица 3 – Ковариационная матрица

Таблица 4 – Корреляционная матрица

Ковариация между ВВП и экспортом равна 25 558,75 > 0, поэтому зависимость прямая.

Коэффициент корреляции между ВВП и экспортом равен 0,99 > 0, поэтому зависимость прямая и весьма высокая.

Проверим на значимость коэффициент корреляции, так как он найден по выборочной совокупности только из 20 наблюдений, что может привести к неверным выводам о всей генеральной совокупности таких факторов, как ВВП и экспорт. На листе «Исходныеданные»получены наблюдаемое и критическое значения t -статистики (таблица 5).

Таблица 5 – Значимость коэффициента корреляции

Так как |tнабл| = 25,93 > tкр = 2,1, то коэффициент корреляции значим (значительно отличается от нуля).

Исходя из проведенного анализа можно выдвинуть предположение о том, что зависимость экспорта от ВВП описывается линейной регрессионной моделью где b ₀, b ₁ – неизвестные параметры модели; e – случайная переменная, которая включает в себя суммарное влияние всех неучтенных в модели факторов, ошибки измерений.