|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Y-пересечение |
0,9103 |
0,0573 |
15,8824 |
0,0000 |
0,7781 |
1,0425 |
lgX |
0,3938 |
0,0526 |
7,4926 |
0,0001 |
0,2726 |
0,5150 |
Наблюдение |
Предсказанное lgY |
Остатки |
Устеп |
1 |
1,098 |
0,016 |
12,5 |
2 |
1,243 |
0,036 |
17,5 |
3 |
1,243 |
-0,067 |
17,5 |
4 |
1,304 |
0,038 |
20,1 |
5 |
1,335 |
-0,013 |
21,6 |
6 |
1,362 |
-0,061 |
23,0 |
7 |
1,395 |
0,020 |
24,8 |
8 |
1,423 |
0,054 |
26,5 |
9 |
1,431 |
-0,016 |
27,0 |
10 |
1,439 |
-0,008 |
27,5 |
Уравнение линейной модели имеет вид
у = 0,9103 + 0,3938*х
Переходим к исходным переменным х и у, выполнив потенцирование данного уравнения, получим уравнение степенной модели регрессии.
у = 100,9103 *х0,3938= 8,134 *х0,3938
Коэффициент детерминации = 0,862
Коэффициент эластичности Э = b = 0,3938
Средняя относительная ошибка Еотн = 68,45%
График фактических и расчетных данных по степенной модели
Рис.4
Уравнение показательной модели имеет вид у = abx.
Для построения этой кривой произведем линеаризацию переменных при логарифмировании обеих частей уравнения: lg у = lg а + х*lg b
Обозначим Y= lg у, В= lg b, A=lg a.
Результаты анализа
Регрессионная статистика |
|
Множественный R |
0,9176 |
R-квадрат |
0,8420 |
Нормированный R-квадрат |
0,8222 |
Стандартная ошибка |
0,0488 |
Наблюдения |
10 |
Дисперсионный анализ |
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
0,101 |
0,101 |
42,626 |
0,000 |
Остаток |
8 |
0,019 |
0,002 |
|
|
Итого |
9 |
0,120 |
|
|
|
Перейти на страницу: 1 2 3 4 5 6 7
|