Вывод: наиболее тесно связаны переменные и , связь между переменными и слабее. Необходимо исключить фактор из правой части уравнения множественной регрессии

С помощью частных -критериев Фишера оценим целесообразность включения в уравнение множественной регрессии фактора после фактора и фактора после .

Фактические значения критериев найдём по формулам (19). Для нахождения критического значения распределения Фишера используем Статистическую функцию FРАСПОБР, заполнение полей которой представлено на рис. 20.

 

Рис. 20. Заполнение полей аргументов функции FРАСПОБР
для частных - критериев

Для сравнения экспериментального и критического значений используем Логическую функцию ЕСЛИ, заполнение полей которой показано на рис. 21.

 

Рис. 21. Заполнение полей аргументов функции ЕСЛИ
для частных - критериев

Получим результаты, представленные на рис. 22.

 

Рис. 22. Результаты применения частных - критериев

Вывод: включение в модель фактора х ₂ (доля высококвалифицированных рабочих) после того, как в уравнение включен фактор х ₁ (коэффициент обновления основных фондов), статистически нецелесообразно. Фактор х ₁ должен присутствовать в уравнении, в том числе
в варианте, когда он дополнительно включается после фактора х ₂.

7. Для проверки результатов расчетов в главном меню выберем Сервис/ Анализ данных / Регрессия, после чего щелкнем по кнопке ОК. Заполним поля ввода данных и параметров вывода диалогового окна (рис. 23).

Рис. 23. Заполнение полей диалогового окна инструмента «Регрессия»

Входной интервал Y – диапазон, содержащий данные результативного признака.

Входной интервал X – диапазон, содержащий данные факторных признаков.

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

Константа–ноль – флажок, указывающий на наличие или отсутствие свободного члена в уравнении.

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

Поставим флажок в поле График остатков.