Математико-статистические методы анализа и прогнозирования демографической ситуации в РБ. Корреляционно-регрессионный анализ факторов, влияющих на демографическую ситуацию в РБ
Страница 5

Информация » Демографическая ситуация в Республике Бурятия » Математико-статистические методы анализа и прогнозирования демографической ситуации в РБ. Корреляционно-регрессионный анализ факторов, влияющих на демографическую ситуацию в РБ

ŷ2 = 4,73-0,26х1+0,19х2-0,002х3+0,75х4 +0,005х6-0,14х7

Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,4. F набл. =24,87. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n =13; α=0,95; ν1 = 6; ν2 =4) = 4,53, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,099 (х3).

Для оставшихся переменных формируем уравнение регрессии снова:

ŷ2= 3,71-0,27х1+0,31х2+0,68х4+0,005х6-0,15х7

Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,36. F набл. =37,21. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 5; ν2 =5) = 5,05, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =0,44 (х2).

Получим следующее уравнение: ŷ2= 9,16-0,29х1+0,7х4+0,004х6-0,14х7.

Множественный коэффициент детерминации равен 0,97, что показывает очень сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,33. F набл. =53,7. Можно сказать, что уравнение регрессии значимо, так как F набл.> F кр. (при n=13; α=0,95; ν1 = 4; ν2 =6) = 6,16, то есть хотя бы один коэффициент регрессии не равен нулю.

Для проверки значимости отдельных коэффициентов регрессии сравним критическое значение t=2,26 с tj.

Для получения уравнения регрессии со значимыми коэффициентами используем пошаговый алгоритм регрессионного анализа с исключением переменных. Исключаем величину, имеющую минимальное значение t =-0,9 (х1).

Получим следующее уравнение: ŷ2= -6,83+1,29х4+0,002х6-0,13х7.

Это уравнение регрессии удачно аппроксимирует фактическое значение рождаемости, так как ошибка аппроксимации равно всего 0,33%, а значения остатков очень малы.

Высокий уровень множественного коэффициента детерминации = 0,97 свидетельствует, что 97% вариации результативной переменной описывается вошедшими в модель признаками. Остальная часть вариации описывается неучтенными факторами.

Коэффициент Дарбина-Уотсона =1,83, то есть близок к 2, что свидетельствует о незначительной автокорреляции в остатках и подтверждает адекватность нашей модели.

Анализируя полученную модель можно сказать, что при увеличении обеспеченности жильем на 1 кв.м. общей площади на 1 чел. смертность увеличится на 1,29‰. Это можно объяснить тем, что в связи с усилением миграционного оттока в регионе значительно улучшилось положение с жильем, а смертность выросла из-за экономического кризиса. Уравнение смертности интерпретировать несколько сложнее, чем уравнения зависимости рождаемости. При увеличении безработицы на 1% смертность снизится на 0,13‰. Как ни странно, но заболеваемость практически не влияет на уровень смертности населения. Это можно объяснить тем, что много людей погибает в большинстве от несчастных случаев.

Страницы: 1 2 3 4 5 6 7


Популярные статьи: