Модели простой линейной и нелинейной регрессии

из "Теория экономического анализа "

Рассматриваемые ниже, наиболее распространенные методы регрессионного анализа являются параметрическими большая их часть основана на предположении о нормальном распределении данных, поэтому в каждом случае анализа необходима предварительная проверка соответствия данных нормальному распределению. [c.89]
Пример. Построим регрессионную модель связи себестоимости реализации и выручки от реализации по отчетам о прибылях и убытках предприятия, чтобы выделить постоянные издержки из суммы издержек. В табл. 8.5 приведены необходимые дынные за 12 месяцев работы предприятия. [c.90]
Коэффициент детерминации модели, равный квадрату приведенного коэффициента множественной корреляции, составил 99,31% стандартная ошибка модели оказалась равна 4415 тыс. руб., / статистика Фишера — 4,415, а уровень значимости гипотезы об отсутствии связи — менее 0,01%. [c.90]
Таким образом, постоянные издержки предприятия составляли 491 300 тыс. руб. в месяц. Погрешности этой оценки определяются стандартной ошибкой величиной 17 180 тыс. руб. [c.90]
Полиномиальные модели при увеличении порядка полинома уточняются до определенных пределов, дальнейшее наращивание порядка способствует снижению точности. [c.90]
Модель позволяет увидеть, что в странах с рыночной экономикой главным фактором роста производства является его прибыльность, которая в данном случае определяет темпы роста на 72,8%. Наряду с полиномами используются степенные, логарифмические, тригонометрические функции и их комбинации. Во многих статистических пакетах пользователю предоставляется широкий выбор нелинейных моделей. [c.91]

Вернуться к основной статье