Статистическое изучение инфляции

Получено уравнение регрессии, все коэффициенты которого значимы не только при 5%-ном уровне значимости, но и при 1%-ном уровне значимости:

? = 73,587+ 5,405х1

(17,07) (2,066)

В результате применения различных подходов к выбору факторов пришли к выводу о необходимости включения в модель одного фактора — уровень безработицы.

Коэффициент регрессии aj показывает, на какую величину в среднем изменится результативный признак Y, если переменную xj увеличить на единицу измерения, то есть aj является нормативным коэффициентом.

В нашей задаче величина, равная 5,405 (коэффициент при х1), показывает, что при увеличении уровня безработицы на 1% уровень инфляции увеличится на 5,405%.

Для оценки качества модели множественной регрессии вычисляют коэффициент детерминации R2 и коэффициент множественной корреляции (индекс корреляции) R. Чем ближе к 1 значение этих характеристик, тем выше качество модели.

Значение коэффициентов детерминации и множественной корреляции можно найти в таблице Регрессионная статистика (см. рис.) или вычислить по формулам:

а) коэффициент детерминации:

Коэффициент детерминации показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 90,1% вариации зависимой переменной учтено в модели и обусловлено влиянием факторов, включенных в модель;

б) коэффициент множественной корреляции:

= 0,657.

Коэффициент корреляции показывает заметную силу связи зависимой переменной Y с включенным в модель объясняющим фактором.