Север и рынок. 2013, N 4.

Параметры построения регрессии для модели (4) Таблица 7 Dependent Variable: GRPi Method: Least Squares Included observations: 19 Variable Coefficient Std. Error t -Statistic Prob. OPFi 0.415552 0.018491 22.47326 0.0000 imp tehnoli -3.340076 0.762228 -4.381991 0.0005 plot_promi 43.07102 15.22374 2.829200 0.0121 R-squared 0.982636 Mean dependent var 284856.9 Adjusted R-squared 0.917966 S.D. dependent var 158497.2 S.E. of regression 46517.60 Akaike info criterion 24.47699 Sum squared resid 3.46E+10 Schwarz criterion 24.62611 Log likelihood -229.5314 F -statistic 301.8160 Durbin-Watson stat 1.511489 Prob( F -statistic) 0.00000 Коэффициенты при переменных значимы по критерию Стьюдента, так как при df =15 расчетные значения t-Statistic превосходят табличное, равное 1.753. Вариация зависимой переменной на 92% описывается изменением независимых переменных, что является следствием высоких значений коэффициента детерминации. Расчетное значение критерия Фишера (F-statistic) значительно превосходит табличное. При табличном F-statistic=8.7 расчетное значение составляет 301.82, следовательно, построенная модель адекватно описывает исходные данные. Дальнейшая проверка показывает, что факторы модели не мультиколлинеарны, а ее остатки гомоскедастичны и не автокоррелированы. Для последней модели в качестве одного из регрессоров выбран так называемый коэффициент Энгеля промышленности KS q (в модели - переменная KE_prom), который характеризует уровень обслуживания промышленности региона транспортной сетью: KsQ = , где L - эксплуатационная длина сети региона; S - площадь территории региона; Q - суммарный объём всех видов материальной продукции, отправленной транспортом. Модель (5), включающая коэффициент Энгеля промышленности, выглядит так: GRPi = 0.391OPFi - 3.417 •imptehnoli + 469.949KE _promi. (5) Параметры регрессии представлены в табл.8. О значимости коэффициентов при переменных свидетельствует превышение расчетных критериев Стьюдента над табличным значением, равным 1.753. Высоки значения ненормированного и нормированного коэффициентов детерминации. Вариация GRPi более чем на 91% описывается изменением трех независимых переменных. Для модели расчетное значение критерия Фишера ( F -statistic) превосходит табличное, которое равно 19.4. Это значит, что модель (5) адекватно описывает исходные данные. Как и для предыдущих моделей, проверка показала отсутствие мультиколлинеарности факторов, а также гомоскедастичность остатков и отсутствие их автокорреляции. Модели (4) и (5) при анализе факторов «импорт технологий» и «основные производственные фонды» также рассматривают влияние объема продукции, отправленной всеми видами транспорта. Обе модели так же, как и первые три, не содержат причин, по которым они не могли бы применяться для прогнозирования. 21