|
|
1849 |
17131,2 |
|
|
V6**3 |
-0,210401 |
79507 |
-16728,4 |
|
Intercept |
|
|
2300,2 |
|
Predicted |
|
|
2703,0 |
|
-95,0%CL |
|
|
1958,6 |
|
+95,0%CL |
|
|
3447,4 |
Построение моделей для X4:
Линейная
Regression Summary for Dependent Variable: x4
R= ,23795270 R?= ,05662149 Adjusted R?= ,03112477 F(1,37)=2,2207 p<,14464 Std.Error of estimate: 9,0744
Intercept
112,2518
2,868499
39,13260
0,000000
T
-0,237953
0,159677
-0,1869
0,125431
-1,49021
0,144644
Нелинейная:
Regression Summary for Dependent Variable: X4
R= ,24970358 R?= ,06235188 Adjusted R?= ,03701003
F(1,37)=2,4604 p<,12526 Std.Error of estimate: 9,0468
St. Err.
St. Err.
BETA
of BETA
B
of B
t(37)
p-level
Intercept
111,1068
2,173043
51,12960
0,000000
V6**2
-0,249704
0,159191
-0,0049
0,003097
-1,56858
0,125260
Predicting Values for variable: X1
B-Weight
Value
B-Weight* Value
V6**2
9,265090
1600
14824,1
V6**3
-0,210401
64000
-13465,7
Intercept
2300,2
Predicted
3658,7
-95,0%CL
3176,8
+95,0%CL
4140,6
Predicting Values for variable: X1
B-Weight
Value
B-Weight* Value
V6**2
9,265090
1681
15574,6
V6**3
-0,210401
68921
-14501,1
Intercept
2300,2
Predicted
3373,8
-95,0%CL
2815,1
+95,0%CL
3932,5
Predicting Values for variable: X1
B-Weight
Value
B-Weight * Value
V6**2
9,265090
1764
16343,6
V6**3
-0,210401
74088
-15588,2
Intercept
2300,2
Predicted
3055,6
-95,0%CL
2409,3
+95,0%CL
3701,9
Predicting Values for variable: X2t-2
B-Weight
Value
B-Weight* Value
V6**3
-0,000045
1849
-0,08268
Intercept
28,72027
Predicted
28,63759
-95,0%CL
28,41984
+95,0%CL
28,85533
Predicting Values for variable: X2t-2
B-Weight
Value
B-Weight* Value
V6**3
-0,000045
1681
-0,07517
Intercept
28,72027
Predicted
28,64510
-95,0%CL
28,42632
+95,0%CL
28,86388
Predicting Values for variable: X2t-2
B-Weight
Value
B-Weight* Value
V6**3
-0,000045
1764
-0,07888
Intercept
28,72027
Predicted
28,64139
-95,0%CL
28,42312
+95,0%CL
28,85966
Predicting Values for variable: X4
B-Weight
Value
B-Weight* Value
V6**2
-0,004858
1600
-7,7726
Intercept
111,1068
Predicted
103,3342
-95,0%CL
95,9660
+95,0%CL
110,7024
Predicting Values for variable: X4
B-Weight
Value
B-Weight* Value
V6**2
-0,004858
1764
-8,5693
Intercept
111,1068
Predicted
102,5375
-95,0%CL
94,2152
+95,0%CL
110,8598
Predicting Values for variable: X4
B-Weight
Value
B-Weight* Value
V6**2
-0,004858
1681
-8,1661
Intercept
111,1068
Predicted
102,9407
-95,0%CL
95,1036
+95,0%CL
110,7778
Predicting Values for variable: X4
B-Weight
Value
B-Weight* Value
V6**22
-0,004858
Intercept
111,1068
Predicted
102,1246
-95,0%CL
93,3012
+95,0%CL
110,9480
Приложение 9.
Гистограмма и график остатков на нормальной вероятностной бумаге.
Проверка условий Гаусса-Маркова.
Из данных графиков можно сделать вывод о том, что математическое ожидание остатков примерно равно 0, и можно сказать, что первое условие Гаусса-Маркова выполняется.
Из графика можно сделать вывод о достаточно слабой гомоскедастичности, т.к. дисперсия остатков не постоянна. Следовательно, 2-ое условие Гаусса-Маркова не выполняется.
Durbin-Watson d
and serial correlation of residuals
Durbin-
Watson d
Estimate
1,065021
Табличное значение коэффициента d при N = 39, m = 3 составляет dн =1,33 и dв= 1,66
Т. к. расчетное значение d=1,065021 принадлежит промежутку [0; dн] – выполняется Н1, т.е. автокорреляция есть.
При использовании материалов активная ссылка на источник обязательна.