Регрессионным моделям. По приведенным в табл. 4.12 данным построить уравнение многофакторной линейной регрессии, если а = b1 = b2 =

По приведенным в табл. 4.12 данным построить уравнение многофакторной линейной регрессии, если а = b₁ = b₂ = b₃ = , b₄ = b₅ = .

Таблица 4.12

Фактические значения х

Значение	Х1	Х2	Х3	Х4	Х5
102-122		75,5	56,1	25,2
124-144		78,5	61,8	21,8
146-166		78,4	59,1	25,7
168-184		77,7	63,3	17,8
186-206		84,4	64,1	15,9
208-228		75,9		22,4
230-250			50,7	20,6
252-268		67,5	57,1	25,2
270-278		78,2		20,7
280-300	0,8	78,1	61,8	17,5

Рассчитать значения результативного показателя на следующие 2 периода.

На основе матрицы парных коэффициентов корреляции (табл.4.13) (рассчитать) выявить и устранить мультиколлинеарные факторы. После их устранения построить уравнение регрессии по новым данным регрессионного анализа, характеризующее зависимость результирующего показателя (y) от факторных (x_i) в линейной форме.

Таблица 4.13

	x1	x2	x3	x4	x5	y
x1
x2	0,8154
x3	100/α	90/α
x4	0,0673	0,7628	0,2211
x5	0,00041	0,0034	0,068	0,024
y	0,59033	0,76313	0,4001	0,2973	-0,004

Рассчитать прогнозные значения результативного показателя по скорректированной многофакторной модели на следующие 2 периода, если:

Период	Изменение хi в текущем периоде по сравнению с предыдущим, %	Фактическое значение переменной у
х1	х2	х3	х4	х5
	+5				+2,3
		+7,1

Оценить точность прогноза, рассчитав ошибку прогноза для обоих случаев. Сделать выводы.