Главная страница Случайная страница
КАТЕГОРИИ:
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
Исходные данные для примера 9
|
|
| Область | Уровень образования | Отношение числа безработных к числу вакансий | Уровень преступности |
| Брянская | 22, 3 | ||
| Владимирская | 10, 8 | ||
| Ивановская | 52, 9 | ||
| Калужская | 2, 2 | ||
| Костромская | 10, 4 | ||
| Москва | 0, 4 | ||
| Московская обл. | 2, 4 | ||
| Нижегородская | 5, 4 | ||
| Орловская | 4, 1 | ||
| Рязанская | 4, 1 | ||
| Смоленская | |||
| Тверская | 4, 2 | ||
| Тульская | 2, 1 | ||
| Ярославская | 25, 1 |
В результате использования режима «Регрессия» были получены табл.6.14, табл.6.15, табл.6.16, которые генерируются режимом «Регрессия».
Таблица 6.14
Результаты использования режима «Регрессия» - Регрессионная статистика
| Регрессионная статистика | |
| Множественный R | 0, 660632187 |
| R-квадрат | 0, 436434886 |
| Нормированный R-квадрат | 0, 333968502 |
| Стандартная ошибка | 128, 1772983 |
| Наблюдения |
Таблица 6.15
Результаты использования режима «Регрессия» - Дисперсионный анализ
| Дисперсионный анализ | |||||
| df | SS | MS | F | Значимость F | |
| Регрессия | 139955, 5965 | 69977, 79823 | 4, 259298203 | 0, 04267687 | |
| Остаток | 180723, 6178 | 16429, 4198 | |||
| Итого | 320679, 2143 |
Таблица 6.16
Результаты использования режима «Регрессия» - Параметры регрессионного анализа
| Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95, 0% | Верхние 95, 0% | |
| Y-пересечение | 2565, 715 | 669, 0714 | 3, 8347 | 0, 0028 | ||||
| Переменная X 1 | -2, 3086 | 0, 8476 | -2, 7238 | 0, 0198 | -4, 1741 | -0, 4431 | -4, 1741 | -0, 4431 |
| Переменная X 2 | 0, 7921 | 2, 5556 | 0, 3100 | 0, 7624 | -4, 8327 | 6, 4170 | -4, 8327 | 6, 4170 |
По полученным таблицам можно провести анализ, результаты которого следующие.
1. Приведенные в табл.6.16 коэффициенты регрессии 
(столбец под названием «Коэффициенты») позволяют построить уравнение зависимости уровня преступности Y от величины уровня образования X1 и величины отношения числа безработных к числу вакансий X2:
.
Сущность коэффициентов 
и 
при факторных признаках в полученном уравнении регрессии состоит в том, что они показывают степень влияния каждого фактора на результативный признак (уровень преступности). Так, увеличение уровня образования на единицу приводит к снижению уровня преступности на 2, 3 единицы, а аналогичный рост безработицы повышает уровень преступности на 0, 79 единиц.
2. Значение множественного коэффициента детерминации R2 =0, 436 (см. табл.6.14) показывает, что 43, 6% общей вариации результативного признака Y объясняется вариацией факторных признаков X1 и X2. Это значит, что выбранные факторы относительно слабо влияют уровень преступности, но как влияет каждый фактор в отдельности – надо уточнять из последующего анализа.
3. Рассчитанный уровень значимости (столбец «Значимость F» в табл.6.15) 
=0, 0427< 0, 05, подтверждает значимость R2.
4. Значимость коэффициентов регрессии 
проверяется по табл.6.16. Сравнивая попарно элементы столбцов «Коэффициенты» и «Стандартная ошибка», видим, что абсолютное значение коэффициента 
меньше, чем его стандартная ошибка равная величине 2, 56. Это говорит о том, что этот коэффициент является мало значимым для результативного признака. О значимости коэффициентов можно судить и по показателям столбца «Р -значение». Если эти показатели меньше заданного уровня 
, то соответствующие коэффициенты считаются значимыми. В данном случае для коэффициентов 
и имеем показатели Р -значения соответветственно 0, 0028 и 0, 0198, что меньше заданного уровня и, следовательно, можно считать эти коэффициенты значимыми. Для коэффициента показатель Р -значения составляет 0, 7624> 0, 05. Это означает, что коэффициент нельзя считать значимым, т.е. определяющим факторный показатель.
Подводя итог предварительному анализу уравнения регрессии, можно сделать вывод, что его целесообразно пересчитать без факторного признака X2 - отношения числа безработных к числу вакансий, так как он не является значимым для приведенного вариационного ряда.