корреляция регрессия

нет

П.5. Выберем одну объясняющую переменнуюПоказатели х1 и х2, а также показатели х2 и х3 тесно связаны между собой, поэтому исключим два показателя и оставим только х1 - цены на нефть.П.6. Строим парные регрессии для выбранной объясняющей переменнойПостроим эконометрические модели связи y(x1). Результаты исследования: Параметры моделиУравнение регрессииПроверка значимости коэф-това0=22,128y=22,128+0,205xТа=4,862а1=0,205   Тв=3,855Дисперсии Х и У средние квадрат. отклонения Tkp=2,045S2х=4815504Sx=2194,43   S2у=1056,7Sy=32,51   Коэффициент парной корреляцииКоэффициент детерминацииrxy=0,582 R2=0,339 Проверка значимости уравнения регрессииGQ=0,8DW=1,833dl=1,36du=1,5   F=14,861Fкр=4,183П.7. Проведем анализПроведем анализ построенных моделей. Лучшая из построенных моделей - множественная степенная Лучшая из построенных парных моделей - экспоненциальнаяТаким образом, в работе показано, что текущий курс рубля зависит от цен на нефть, цены на золото, а также от плавающего валютного коридора, устанавливаемого ЦБ.Анализ моделейАнализ моделей показывает, что в качестве наиболее адекватно исследуемую зависимость отражает множественная степенная модель. Однако и по ней есть замечания. Все моделмибыли протестированы на тест Голфелда-Квандта и Дарбина-Уотсона. В первом тесте все модели были проверены на гомоскедастичность и данный анализ подтвердил, что нет оснований полагать неадекватной предпосылку о гомоскедастичности случайного остатка во всех моделях. Во втором из вышеуказанных тестов проверялась автокорреляция случайных остатков. В ходе данного тестирования выяснилось, что случайные остатки в уравнениях наблюдений во всех моделях не подвержены автокорреляции.Приоритет в выборе модели в пользу гиперболической был сделан на основе сравнения показателей F-теста, t-теста и средней ошибки аппроксимации. Так в этой модели условие F-теста выполняется, т.е. качество регрессии удовлетворительно, регрессоры в рамках данной линейной модели обладают способностью объяснять значения эндогенной переменной У.