Нажимаем кнопку Regression summary и получим следующее диалоговое окно «Суммарная регрессия для зависимой переменной Y»



Рисунок 3.21. Суммарная регрессия для зависимой переменной Y

 

Очевидно, что данная модель не является оптимальной и наилучшей, но если рассмотреть коэффициент множественной детерминации RI = 0,97, то можно сказать, что он выше, чем у наилучшей линейной модели. Можно сделать вывод о том, что неучтенных факторов всего 3%. Что касается адекватности модели, то модель является адекватной, так как FP > FT (при степенях свободы v1 = 3 и v2 = 26 имеем 256,34 > 2,98), но на ее основе нельзя осуществлять

прогнозы, так как она включает в себя незначимый фактор – х1 2.

Уравнение регрессии будет иметь следующий вид



Если проанализировать его, то можно сказать, что знаки коэффициентов, стоящих перед факторными признаками, экономически верны: чем выше процент реализации халвы, тем ниже убытки, и чем больше стоимость сырья и его расход, тем выше убытки предприятия.

Для того, чтобы оптимизировать и улучшить модель, необходимо исключить незначимый фактор х1 2.

После его исключения уравнение регрессии примет следующий вид



 

 

---

---