|
(определение вида зависимости и расчет ее параметров определялся в среде 111111 Excel). Коэффициентом детерминации называется коэффициент множественной корреляции (индекс корреляции), возведенный в квадрат (R2): п2. V' ( л2 (5) Он показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, т.е. определяет, какая доля вариации признака Y учтена в модели и обусловлена влиянием на него внутренних и внешних факторов. Если коэффициент больше 0,7, то модель может быть использована для описания процессов и явлений, поскольку она адекватно отражает более 70% действия факторов нарезультирующий показатель. Так как коэффициент детерминации во всех моделях на высоком уровне, то возможно их использования для определения основных тенденций изменения инвестиционной привлекательности рекреационного района, что удовлетворяет цели построения трендовых моделей. Для выбора модели определим ошибку модели (а), F-статистику Фишера (Ь) и уровень значимости гипотезы об отсутствии связи (с): Проверку значимости уравнения регрессии произведем на основе вычисления F-критерия Фишера: г._ (1-А2)/(и-Л-1) (5) Табличное значение критерия при доверительной вероятности 0,95 составляет 3,81 (найдено с помощью функции FPACnOBP). 134 |
Полиномиальная зависимость у —2Е-05х* 9Е*05х2 + 0.0056х -г 0,0916 На представленных графиках тонкой линией изображены фактические значения показателей инвестиционной привлекательности, жирной определенные на основе построенных зависимостей. На этих графиках показаны уравнения зависимостей и коэффициент детерминации модели (определение вила зависимости и расчет ее параметров определялся в среде ППП Excel) Коэффициентом детерминации называется коэффициент множественной корреляции (индекс корреляции), возведенный в квадрат (R2): r! ] 2>(о* S (35) Он показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, т.е. определяет, какая доля вариации признака У учтена в модели и обусловлена влиянием на него внутренних и внешних факторов. Если коэффициент больше 0,7, то модель может быть использована для описания процессов и явлений, поскольку она адекватно отражает более 70 % действия факторов на результирующий показатель. 122 Поскольку коэффициент детерминации во всех моделях на высоком уровне, то возможно их использования для определении основных тенденций изменения инвестиционной привлекательности Ленинградской обласги, что удовлетворяет цели построения трендовых моделей. Для выбора модели определим ошибку модели (а), F-статистику Фишера (Ь) и уровень значимости гипотезы об отсутствии связи (с): Проверку значимости уравнения регрессии произведем на основе вычисления F-критерия Фишера: /,-=------£ 1 1 --------------------( Табличное значение критерия при доверительной вероятности 0,95 составляет 3,81. (найдено с помощью функции FPACTIOBP) Если Рф^у> Fia6!, полученную модель следует признать адекватной. Уровень значимости и ошибку модели определим при помощи стандартных процедур описательной статистики пакета анализа ППП Excel Результаты расчета показателей, подтверждающих качество построенной модели, представлены в таблице 3.6. Таблица 3.6 Модель 1 Модель 2 Модель 3 Модель 4 Модель 5 Модель 6 а 30,08 % 7,85 % 10,18% 8,87% 19,99% 24,01 % b 3,95 9,76 4,28 13,47 3,15 12,26 с 3.42 % 3,02% 3,40 % 3,01 % 3,74 % 3,85 % Как показывает табл. 3.10, для построения прогнозов нецелесообразно использовать полиномиальные и линейную зависимости. Экспоненциальная зависимость отражает изменение верхней границы, логарифмическая наиболее вероятную; а степенная нижшою границу тенденции изменения инвестиционной привлекательности Ленинградской области. Полученные трендовые модели позволяют определить общие тенденции изменения инвестиционной привлекательности Ленинградской 123 |