Экономическая интерпритация результатов регрессионного анализа

Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет зависимость между исследуемыми переменными. Последовательность этапов регрессионного анализа. Рассмотрим кратко этапы регрессионного анализа.

1. Формулировка задачи. На этом этапе формируются предварительные гипотезы о зависимости исследуемых явлений.

2. Определение зависимых и независимых (объясняющих) переменных.

3. Сбор статистических данных. Данные должны быть собраны для каждой из переменных, включенных в регрессионную модель.

4. Формулировка гипотезы о форме связи (простая или множественная, линейная или нелинейная).

5. Определение функции регрессии (заключается в расчете численных значений параметров уравнения регрессии)

6. Оценка точности регрессионного анализа.

7. Интерпретация полученных результатов. Полученные результаты регрессионного анализа сравниваются с предварительными гипотезами. Оценивается корректность и правдоподобие полученных результатов.

8. Предсказание неизвестных значений зависимой переменной.

При помощи регрессионного анализа возможно решение задачи прогнозирования и классификации. Прогнозные значения вычисляются путем подстановки в уравнение регрессии параметров значений объясняющих переменных. Решение задачи классификации осуществляется таким образом: линия регрессии делит все множество объектов на два класса, и та часть множества, где значение функции больше нуля, принадлежит к одному классу, а та, где оно меньше нуля, - к другому классу.

Таблица 4.1 ― Проведение регрессионного анализа с помощью инструмента Регрессия: результаты оценки на втором шаге

Порядковый номер месяца	Объем товарооборота, тыс.руб	Оборачиваемость товаров, дни	Удельный вес торговой площади в общей, %	Удельный вес товаров с высокими торговыми надбавками, %
		43,5	44,0	22,5
		43,0	44,0	18,0
		43,0	44,0	24,9
		43,5	47,8	24,4
		43,0	47,8	20,6
		42,5	47,8	19,0
		43,0	49,0	22,2
		41,5	49,0	21,6
		42,0	50,3	19,8
		41,5	50,3	19,7
		40,5	50,3	23,1
		40,0	50,3	23,9
		40,0	50,3	21,2
		39,0	50,3	20,4
		39,5	50,3	24,2
		39,0	49,0	26,5
Прогноз
	36990,5	39,0	55,0	26,5
	38378,4	35,0	49,0	27,0

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,97401351
R-квадрат	0,948702318
Нормированный R-квадрат	0,935877898
Стандартная ошибка	550,4256253
Наблюдения

Примечание – Источник: [1, с.134].

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия				73,976233	5,22487E-08
Остаток		3635620,4	302968,4
Итого

	Коэфф.	Станд. ош.	t-стат	P-Значение	Нижние 95%	Верхние 95%
Y-пересечение		9236,64	4,54288	0,000674	21836,072	62085,9
Оборачиваемость товаров, дни	-769,193	127,905	-6,0138	6,09E-05	-1047,874	-490,51
Удельный вес торговой площади в общей, %	307,133	84,3761	3,64005	0,003388	123,29374	490,973
Удельный вес товаров с высокими торговыми надбавками, %	307,072	63,762	4,81591	0,000422	168,14686	445,998

Примечание – Источник: [1, с.135].

Формальный вид модели, построенный на первом шаге регрессионного анализа:

Y= 41960,98-769,193*X1+307,0723*X2+307,1334*X3

где Х1 – оборачиваемость товаров, дни

Таблица 4.2 ― оценка некорреляционности отклонения от линии регрессии

ВЫВОД ОСТАТКА			ВЫВОД ВЕРОЯТНОСТИ
Наблюдение	Предсказанное Объем товарооборота, тыс.руб	Остатки		Персентиль	Объем товарооборота, тыс.руб
	28924,1	-509,07		3,125
	27926,8	304,161		9,375
	30045,6	-262,64		15,625
	30674,6	294,388		21,875
	29892,3	601,666		28,125
	29785,6	-28,615		34,375
	30752,2	97,7903		40,625
	31721,8	-396,76		46,875
	31183,7	175,297		53,125
	31537,6	72,4076		59,375
	33350,8	-984,83		65,625
	33981,1	-668,09		71,875
		356,009		78,125
	33675,5	-301,53		84,375
	34457,8	353,196		90,625
	35149,4	896,606		96,875

Примечание – Источник: [1, с.139]