|
5 |
-64,4162 |
1 |
-858,472 |
127,5742 |
|
6 |
-194,123 |
1 |
-1109,08 |
27,96419 |
|
7 |
-207,626 |
1 |
-505,02 |
96,01261 |
|
8 |
-160,053 |
1 |
-1299,16 |
24,20844 |
|
9 |
-131,355 |
1 |
-2501,06 |
176,4773 |
|
10 |
-201,063 |
1 |
-2757,19 |
359,3147 |
Используя данные, приведенные в таблице 1.3, и применив инструмент Регрессия (Анализ данных в Excel) (табл. 1.4), получим следующие коэффициенты:
Таблица 1.4 – Параметры модели
|
|
Коэффициенты |
Стандартная ошибка |
t - статистика |
|
1 |
2 |
3 |
4 |
|
Y-пересечение |
-138,3777 |
33,1275 |
-4,1771 |
|
Переменная X 1 |
0,0003 |
0,0233 |
0,0148 |
|
Переменная X 2 |
-0,0871 |
0,1918 |
-0,4541 |
Уравнение регрессии зависимости объема прибыли от среднегодовой ставки по кредитам и ставки по депозитам можно записать в следующем виде:
.
а1= -138,3777; а2= 0,0003; а3= -0,0871
Расчетные значения Y определяются путем подстановки в эту модель значений факторов, взятых для каждого наблюдения.
Для характеристики модели определим следующие показатели и дадим их интерпретацию:
линейный коэффициент множественной корреляции вычисляется по формуле:
,
но мы воспользуемся инструментом Регрессия (Анализ данных в Excel) (табл. 1.5).Значение 
; что говорит о том, что связь между факторами слабая.
Коэффициент детерминации равен 
(табл. 1.5). Он показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 20% изменений в объеме прибыли учтено в модели и обусловлено влиянием среднегодовая ставка по кредитам и ставка по депозитам.
Таблица 1.5 – Регрессионная статистика
|
Наименования |
Числовые значения |
|
1 |
2 |
|
Множественный R |
0,20602 |
|
R-квадрат |
0,04244 |
|
Нормированный R-квадрат |
-0,23114 |