Разбить получившуюся информацию на две равные группы, удалив С центральных пар наблюдений так, чтобы выполнялось условие: (n– C):2 > 6m

3. Далее по каждой группе получить РЕГРЕССИЮ(остатки не выделять),

и из каждой таблице регрессии взять значения ESS₁, ESS₂:

То с уровнем надежности α условие гомоскедастичности выполняется.

ЧЕТВЕРТАЯ ПРЕДПОСЫЛКА:

Отсутствие автокорреляции остатков–

Критерий ДАРБИНА-УОТСОНА:

Н₀: Отсутствие автокорреляции;

Н₁: Положительная автокорреляция;

Н₂: Отрицательная автокорреляция.

H₁ ? H₀ ? H₂

0 d(L) d(U) 2 4-d(U) 4-d(L) 4

Полученное значение сравнивается с критическими значениями d_U, d_L:

v Если , то гипотеза Н₁ принимается;

v Если , то гипотеза Н₀ принимается;

v Если , то гипотеза Н₂ принимается;

v Если это зоны неопределенности, где вывод о наличии или отсутствии автокорреляции сделать нельзя.

Предпосылка выполняется.

ПЯТАЯ ПРЕДПОСЫЛКА:

Нормальный закон распределения остатков.

Остатки E(i)=y(i)-y^(i)	(y(i)-y^(i))^2
-7,193285325	51,74335376	1,094081568
-15,80152421	249,6881673	2,403374202
5,829238474	33,98002119	0,88661329
-2,570148059	6,605661044	0,390913399
3,706013271	13,73453437	0,563675793
0,282349778	0,079721397	0,042944729
4,432568923	19,64766726	0,674183177
4,420123709	19,53749361	0,67229029
-0,2074837	0,043049486	0,031557777
1,750184986	3,063147486	0,266198968
1,452901968	2,110924128	0,220982929
6,925644912	47,96455745	1,053374098
-5,454284459	29,74921896	0,829583677
-10,52141896	110,700257	1,600282768
8,002682823	64,04293236	1,217188999
-1,810814148	3,27904788	0,27542052
5,911622411	34,94727953	0,899143691
0,845627604	0,715086044	0,128617945
СУММА	691,6321202
S(Е)	6,5747249

5.ПРОГНОЗИРОВАНИЕ –

ü ТОЧЕЧНЫЙ ПРОГНОЗ – по заданному значению фактора , путем подстановки его в уравнение регрессии находят значение результирующего показателя.

ü ИНТЕРВАЛЬНЫЙ ПРОГНОЗ – позволяет найти промежуток, в который может попасть прогнозное значение изучаемого показателя:

-максимальное отклонение от точечного прогноза;

стандартная ошибка модели.

Выполним прогнозирование на июль и август 2010г. В качестве прогнозного значения фактора, выберем значения за июль и август предыдущего 2009 г. В результате получим следующую таблицу:

июль.10	97,1	97,77	(83,83; 111,71)
авг.10	95,5	97,18	(83,24; 111,12)

СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ –

Удобно сравнивать регрессионные модели с одинаковым изучаемым показателем и разными факторами, на предмет выбора фактора, который наилучшим образом отражает тенденции изменения результирующего показателя.

1. R²(чем выше, тем лучше);

2. F (значимость < 0,05);

3. t_a, t_b (значимость < 0,05);

4. S_E(чем ближе к нулю, тем лучше);