При рассмотрении уравнений зависимости миграции от перечисленных факторных признаков было получено следующее соотношение: ŷ3 = 334,8 +3,5х1-20,9х2-0,03х3-7,05х4+0,03х6 -1,61х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,52. F набл. =7,4. 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 =-0,06 (х3).

Для оставшихся переменных получим уравнение регрессии:

ŷ3= 321,3+3,4х1 - 19,3х2 – 7,9х4+0,03х6 – 1,67х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,92, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,6. F набл. =11,1. 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 =0,36 (х6).

Получили следующее уравнение: ŷ3=303,5+4,57х1–22,5х2–4,69х4–1,67х7.

Рассмотрим параметры адекватности уравнения регрессии:

Множественный коэффициент детерминации равен 0,91, что показывает сильную зависимость между результативным признаком и факторными. Стандартная ошибка равна 0,5. F набл. =16,2. 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 =-0,41 (х4).

Имеем следующее уравнение: ŷ3= 130,5 + 7,05х1-20,3х2-11,5х7.

Это уравнение регрессии удачно аппроксимирует фактическое значение рождаемости, так как ошибка аппроксимации равно всего 0,32%, а значения остатков очень малы.

Высокий уровень множественного коэффициента детерминации =0,91 свидетельствует, что 91% вариации результативной переменной описывается вошедшими в модель признаками. Остальная часть вариации описывается неучтенными факторами.

Коэффициент Дарбина-Уотсона = 1,87, то есть приближается к 2, что свидетельствует о незначительной автокорреляции в остатках и подтверждает адекватность нашей модели.

Популярные статьи:

Итоги предвыборной компании "Cправедливая Россия: Родина/Пенсионеры/Жизнь"
«Выборы в Госдуму пятого созыва проходили по принципиально новой схеме. Участвовать в них могли только политические партии. В России на сегодняшний день их зарегистрировано 15. Все 450 депутатов избиралисьпо партийным спискам. К распределе ...

Мировой демографический рост и перспективы человечества
Приведем цитату, взятую наугад из газеты. Это заключение (так и хочется назвать его «злоключением») относится к глобальным проблемам человечества: «…Известно то, что происходит катастрофическое перенаселение Земли, что за последние 130 000 ...

Показатели рождаемости населения. Общие показатели рождаемости
Наименование показателей Методика расчета показателей Абсолютное число родившихся Представляет собой общее число детей, родившихся живыми. Общий коэффициент рождаемости Представляет собой число родившихся в расчете на 1000 населения. Рассч ...