2. Рассчитаю среднеквадратические отклонения и парные линейные коэффициенты корреляции для каждого признака:

Вывод: связи между y и , y и , и слабые, обратно пропорциональные.

3. Используя метод стандартизованных переменных, определю параметры уравнения множественной регрессии и сравню силу влияния факторов на показатель:

Определю стандартизованные коэффициенты регрессии:

Вывод: так как , то фактор сильнее влияет на показатель чем .

Определю коэффициенты регрессии:

Следовательно, уравнение множественной регрессии имеет вид:

.

4. Рассчитаю средние коэффициенты эластичности для каждого фактора. Определю на сколько % увеличивается/уменьшается показатель, если соответствующий фактор изменяется на 1% и по полученным значениями сравню силу влияния факторов на показатель:

Общая формула:

То есть на % в среднем по совокупности уменьшается показатель y от своего среднего значения при изменении фактора на 1% от своего среднего значения.

То есть на % в среднем по совокупности уменьшается показатель y от своего среднего значения при изменении фактора на 1% от своего среднего значения.

Вывод: так как , то фактор сильнее влияет на показатель чем .

5. Рассчитаю парные частные коэффициенты корреляции и сравню их значения со значениями парных линейных коэффициентов корреляции, определив характер межфакторной связи:

Шкала Чеддока:

Вывод: связи между y и (без учета ), y и (без учета ), и (без учета y) слабые, обратно пропорциональные.

Сравнение:

Вывод: значения незначительно отличаются друг от друга из-за слабой межфакторной связи.

6. Рассчитаю коэффициент множественной корреляции, определив по шкале Чеддока степень тесноты связи одновременно между всеми факторами:

.

Вывод: связь между y, и слабая.

7. Рассчитаю коэффициент детерминации, указав на сколько % вариация показателя зависит от факторов и :

.

Вывод: на % вариация показателя y зависит от факторов и . Оставшиеся 97,9476558% - неучтенные случайные факторы.

8. Определю, является ли уравнение множественной регрессии статистически значимым:

Для оценки статистической значимости уравнения множественной регрессии выдвину нулевую гипотезу о том, что связь между факторами отсутствует. Для её проверки использую F-критерий Фишера.

.

Определяю расчетное значение F-критерия Фишера по формуле:

Табличное (критическое) значение: (номер столбца - 2, строки - 17).

, следовательно, нулевая гипотеза H_o подтверждается, т. е. связь между факторами отсутствует (крайне мала), уравнение множественной регрессии статистически не значимо, получено случайным образом, и поэтому его нельзя использовать для прогноза.

Результаты вычислений на компьютере:

Приложение: