По полю корреляции можно сделать вывод о прямолинейной связи между потребительскими расходами и среднемесячной номинальной начисленной заработной платой
Для определения коэффициента корреляции может быть использована встроенная функция (=КОРРЕЛ(B4:B21;C4:C21)).
Так как коэффициент корреляции находится в диапазоне от 0,9 и более. То связь между потребительскими расходами и среднемесячной номинальной начисленной заработной платы весьма тесная
Оценку статистической значимости коэффициента корреляции проведем с помощью t-статистики Стьюдента.
Выдвигаем гипотезу Н0
о статистически незначимом отличии показателей от нуля а0
=а1
=rху
=0.
tтабл
для числа степеней свободы df=n-2=18-2=16 и a=0,05 составит 2,12.
Расчетный коэффициент Стьюдента находятся по формуле:
Фактические значения t-статистики превосходят табличное значение на 5% -м уровне значимости при числе степеней свободы 16, tтабл
= 2,12. Таким коэффициент корреляции является статистически значимым Гипотеза Н0
не принимается.
Рассчитаем доверительный интервал:
Таким образом, с вероятностью 95% можно утверждать, что коэффициент корреляции находится в диапазоне от 0,81 до 1.
Связь между потребительскими расходами и среднемесячной номинальной начисленной заработной платой прямолинейная и весьма тесная, это можно заключить исходя из распределения фактических значений по полю корреляции и расчетного значения коэффициента корреляции
Так как коэффициент корреляции находится в диапазоне от 0,9 и более, то связь между потребительскими расходами и среднемесячной номинальной начисленной заработной платы весьма тесная.
Коэффициент корреляции является статистически значимым с вероятностью 95% можно утверждать, что он находится в диапазоне от 0,81 до 1.
Средняя ошибка аппроксимации находится как средняя арифметическая простая из индивидуальных ошибок по формуле:
Расчетные значения в среднем отличаются от фактических на 59%. Так как средняя ошибка аппроксимации превышает 10%, то полученную модель нельзя считать точной.
4.
Оценить статистическую надежность результатов регрессионного моделирования с помощью критерия Стъюдента и F-критерия Фишера
Так как значение коэффициента корреляции до 0,3 , то связь между чистым доходом и рыночной капитализацией компании слабая.
Оценку статистической значимости параметров регрессии проведем с помощью t-статистики Стьюдента.
Выдвигаем гипотезу Н0
о статистически незначимом отличии показателей от нуля а0
=а1
=rху
=0.
tтабл
для числа степеней свободы df=n-2=25-2=23 и a=0,05 составит 2,07.
Расчетные коэффициенты Стьюдента в Excel:
Фактические значения t-критерия меньше табличного значение на 5% -м уровне значимости при числе степеней свободы 23, tтабл
= 2,07. Таким образом коэффициенты статистическим не значимы. Гипотеза Н0
принимается.
Уравнение линейной однофакторной зависимости рыночной капитализации компании от чистого дохода имеет вид:
Это означает, что при росте рыночной капитализации компании на 1 млр. руб. чистый доход возрастает на 0,0818 млрд. руб. Согласно расчету коэффициента эластичности чистый доход возрастает на 1,72% при росте рыночной капитализации компании на 1%.
Так как средняя ошибка аппроксимации превышает 10% (59%>10%), то полученную модель нельзя считать точной.
Значение коэффициента корреляции до 0,3 , то связь между чистым доходом и рыночной капитализацией компании слабая.
Параметры регрессии статистически не значимы. 7% вариации чистого дохода объясняется вариацией рыночной капитализацией компании. А 93% вариацией других неучтенных факторов. Поскольку Fрас<Fтабл., то уравнение регрессии является не адекватным.