Вывод: статистически значимыми являются коэффициенты . Фактор , силу влияния которого оценивает коэффициент b2, можно исключить как несущественно влияющий

5. Матрицу парных коэффициентов корреляции рассчитаем, используя инструмент «Корреляция» из раздела «Анализ данных».

В главном меню выберем Сервис/ Анализ данных/ Корреляция, после чего щелкнем по кнопке ОК. В появившемся окне заполним поля ввода данных и параметров вывода диалогового окна (рис. 16).

Рис. 16. Диалоговое окно ввода параметров инструмента «Корреляция»

Входной интервал – диапазон, содержащий данные результирующего признака и факторных признаков.

Метки в первой строке – флажок, который указывает, содержит ли первая строка названия столбцов.

Выходной интервал – укажем левую верхнюю ячейку диапазона ячеек для вывода результата.

Введем наименования столбцов и дополним матрицу, используя ее симметричность. Результат представлен на рис. 17 (матрица межфакторных коэффициентов корреляции выделена двойной рамкой).

Рис. 17. Матрица коэффициентов парной корреляции

Вывод: значения коэффициентов парной корреляции указывают на весьма тесную связь выработки y как с коэффициентом обновления основных фондов x1, так и с долей рабочих высокой квалификации x2 (). Межфакторная связь весьма тесная и превышает тесноту связи x2 с y, то есть имеет место мультиколлинеарность факторов. Для улучшения данной модели можно исключить из нее фактор x2 как статистически ненадежный.

Найдем – определитель матрицы коэффициентов межфакторной корреляции по формуле (15), используя функцию МОПРЕД. Найдем линейный коэффициент множественной корреляции R по формуле (13) (рис. 18).

Рис. 18. Результаты расчета определителя матрицы межфакторной корреляции