|
Оценим данные полученные в результате регрессионного анализа: Линейный коэффициент множественной корреляции или совокупный коэффициент корреляции (R) Он характеризует тесноту связи рассматриваемого набора факторов (полученных в результате факторного анализа) с исследуемым признаком (вероятностью банкротства предприятия), т.е. оценивает тесноту совместного влияния факторов на результат. В нашем случае он равен 1,0 что говорит о том, что эта связь очень сильная. Коэффициентом детерминации является одним из основных характеристик модели. Используется для статистической оценки тесноты связей между результативным и объясняющими показателями. Коэффициент определяет долю дисперсии, т.е. показывает долю общего разброса относительно выборочного среднего зависимой переменной, которая объясняется построенной регрессией. Доля дисперсии, объясняемой регрессией, всегда меньше коэффициента корреляции и используется для оценки качества регрессионной модели. Коэффициент детерминации велик, поэтому будем считать, что в регрессионную модель включены все существенные факторы (что подтверждает правильность выбора факторов при проведении факторного анализа) и построенная форма связи в модели отражает реальные соотношения между переменными, включенными в модель, т.к. построенная регрессия объясняет более 92% разброса значений переменной У относительно среднего, прочие факторы, не включенные в модель составляют соответственно 8 % от общей вариации У. Значимость уравнения множественной регрессии в целом оценивается с помощью F-критерия Фишера. Надежность регрессионной модели подтверждается при F-критерия полученного в результате исследования большего F-критерия табличного. В нашем исследовании значение F-критерия Фишера равно 84,75, а табличное значение F-критерия Фишера (0,05;6,41) равно 2,33, это говорит о том, что данное уравнение значимо. Статистическая оценка надежности коэффициентов регрессии производится при помощи t-критерия Стыодента. Полученный в результате исследования tкритерий, так же сравнивается с табличным. Значимость коэффициента регрессии подтверждается, когда t-критерий полученный в результате исследования больше t-критерия табличного. Оценка значимости 143 |
116 стью менеджмента. Основываясь на вышеизложенной характеристике показателя формирующего данную главную компоненту называется «инвестиционная активность». Оценка данной компоненты производится но формуле: F6=-0,94*K2I (16) Ф На втором этапе агрегирования для экспериментальных предприятий был рассчитан коэффициент вероятности банкротства (при расчетах использовались пятифакторный метод Альтмана и метод рейтинговых оценок, результаты представлены в приложении 13), по данным этих методик получились идентичные показатели, которые в дальнейшем были использованы для проведения корреляционного анализа для выявления влияния выбранных шести групп-факторов на показатель вероятности банкротства. Л Корреляционно-регрессионный анализ проводился с использованием персонального компьютера в программе Statistica 6.0 (приложение 14) Общее назначение множественной регрессии состоит в анализе связи между несколькими независимыми переменными (показателями) и зависимой переменной. В ходе научного исследования была поставлена задача построить линейную регрессионную модель описывающую влияние построенных главных компонент на коэффициент вероятности наступления банкротства, проверить адекватность построенной модели для прогнозирования и ~ оценки вероятности наступления банкротства Оценим данные полученные в результате регрессионного анализа: Линейный коэффициент множественной корреляции или совокупный коэффициент корреляции (R) Он характеризует тесноту связи рассматриваемого набора факторов (полученных в результате факторного анализа) с исследуемым признаком (вероятностью банкротства предприятия), т.е. оценивает тесноту совместного влияния факторов на результат. В нашем случае равен 0,9619 что говорит о том, что эта связь очень сильная. Коэффициентом детерминации является одним из основных характе 117 ристик модели. Используется для статистической оценки тесноты связей между результативным и объясняющими показателями. Коэффициент определяет долю дисперсии, т.е. показывает долю общего разброса относительно выборочного среднего зависимой переменной, которая объясняется построенной регрессией. Доля дисперсии, объясняемой регрессией, всегда меньше коэффициента корреляции. Используется для оценки качества регрессионной модели. Коэффициент детерминации нашей модели равен 0,9254. Он достаточно велик, поэтому будем считать, что в регрессионную модель включены все существенные факторы (что подтверждает правильность выбора факторов при проведении факторного анализа) и построенная форма связи в модели отражает реальные соотношения между переменными, включенными в модель, т.к. построенная регрессия объясняет более 92% разброса значений переменной относительно среднего, прочие факторы, не включенные в модель составляют соответственно 8% от общей вариации У. Значимость уравнения множественной регрессии в целом оценивается с помощью F-критерия Фишера. Надежность регрессионной модели подтверждается при F-критерия полученного в результате исследования большего Fкритерия табличного. В нашем исследовании значение F-критерия Фишера равно 84,75, а табличное значение F-критерия Фишера (0,05;6,41) равно 2,33, это говорит о том, что данное уравнение значимо. Статистическая оценка надежности коэффициентов регрессии производится при помощи t-критерия Стыодента. Полученный в результате исследования t-критерий, так же сравнивается с табличным. Значимость коэффициента регрессии подтверждается, когда t-критерий полученный в результате исследования больше t-критерия табличного. Оценка значимости коэффициентов чистой регрессии осуществляется на основании двух последних столбцов данной таблицы 29. Значимые коэффициенты уравнения регрессии выделены. |