1. Обозначим разность между фактическим значением результативного признака и его расчетным значением как u i :
где y i фактическое значение y ; y i р расчетное значение y ; u i разность между ними.
2. В качестве меры суммарной погрешности выбрана величина
.
Для нашего примера S = 0,432.
Поскольку (среднее значение остатков) равно нулю, то суммарная погрешность равна остаточной дисперсии.
3. Остаточная дисперсия находится по формуле
.
Для нашего примера Можно показать, что
.
Если , то ;
, то .
Таким образом, 0≥ D u ≥ D y .
Легко заметить, что если
то .
Это соотношение показывает, что в экономических приложениях допустимая суммарная погрешность может составить не более 20% от дисперсии результативного признака D y .
4. Стандартная ошибка уравнения находится по формуле
,
где D u остаточная дисперсия. В нашем случае
5. Относительная погрешность уравнения регрессии вычисляется как
,
где стандартная ошибка; среднее значение результативного признака.
В нашем случае
Если величина мала и отсутствует автокорреляция остатков, то прогнозные качества оцененного регрессионного уравнения высоки.
6. Стандартная ошибка коэффициента b вычисляется по формуле
.
В нашем случае она равна
Для вычисления стандартной ошибки коэффициента a используется формула
.
В нашем примере
Стандартные ошибки коэффициентов используются для оценивания параметров уравнения регрессии.
Коэффициенты считаются значимыми, если
В нашем примере
Коэффициент а не значим, так как указанное отношение больше 0,5, а относительная погрешность уравнения регрессии слишком высока 26,7%.
Стандартные ошибки коэффициентов используются также для оценки статистической значимости коэффициентов при помощи t -критерия Стьюдента. Значения t -критерия Стьюдента содержатся в справочниках по математической статистике. В таблице 2.1 приводятся его некоторые значения.
Далее находятся максимальные и минимальные значения параметров ( b- , b + )по формулам:
Таблица 2.1 – Некоторые значения t -критерия Стьюдента
Степени свободы | Уровень доверия ( с ) | |
( n- 2) | 0,90 | 0,95 |
6,31 | 12,71 | |
2,92 | 4,30 | |
2,35 | 3,18 | |
2,13 | 2,78 | |
2,02 | 2,57 |
Для нашего примера находим
,
.
Если интервал ( b- , b + ) достаточно мал и не содержит ноль, то коэффициент b является статистически значимым на с -процентном доверительном уровне.
Аналогично находятся максимальные и минимальные значения параметр a . Для нашего примера
,
.
Коэффициент а не является статистически значимым, так как интервал ( a- , a + ) велик и содержит ноль.
Вывод: полученные результаты не являются значимыми и не могут быть использованы для прогнозных расчетов. Ситуацию можно поправить следующими способами:
а) увеличить число n ;
б) увеличить количество факторов;
в) изменить форму уравнения.