Не исключаем, т.К. Важна методика !!!

2. Рассчитаем уравнение парной регрессии между результатом и каждым из факторных признаков.

Установим коэффициенты парной корреляции и детерминации (они характеризуют изолированное влияние каждого фактора на результат, т.к. другие факторы применяются на неизменном уровне).

Парные уравнения регрессии

Уравнение регрессии позволяет сделать вывод, что с увеличением доли ГКО в активах на 1% пункт, доля прибыли по всем активам увеличивается в среднем на 0,329 % пунктов.

r_yx1 = 0,718 – связь прямая и достаточно сильная

r ²_yx1 = 0,516 – при условии др. не считается

2)

с увеличением отношения непроцентных доходов к процентным доходам на 1% пунктов, доля прибыли по всем активам увеличивается в среднем на 1,215%

r_yx2 = 0,516

r ²_yx2 = 0,158

3)

r_yx3 = 0,241 – связь непрямая и слабая

r ²_yx3 = 0,058

С увеличением коэффициента полной ликвидности банка на 1 % доля прибыли по всем активам увеличивается в среднем на 4,788%

Вариация х₃ объясняет вариацию у на 5,8 %

3. Построим матрицу парных коэффициентов вариации для выявления явно коллинеарных факторов.

Таблица 3. Матрица парных коэффициентов корреляции.

Признаки	у	х1	х2	х3
у	1
х1	0,718	1
х2	0,516	0,462	1
х3	0,241	0,0053	0,134	1

Явно коллинеарных факторов нет, т.к. коэффициенты парной корреляции между факторными признаками не превышают 0,7.

Способы определения коэффициентов условно чистой регрессии.

Для определения данных коэффициентов рассчитаем определители

i – номер наблюдения,

j – номер фактора.

Результаты занесем в вспомогательную таблицу.

Таблица 4. Расчет многофакторной регрессии.

№ банк	х1	х2	х3	у	2х1	2х2	2х3	2у	ух1	ух2	ух3	х1х2	х1х3	х2х3
1	0,5	-0,04
2	27,5	0,66
3	-13,1	0,84
4	-9,4	-0,04
5	-18,1	0,03
6	-7,7	-0,34
7	5,7	-0,16
8	7,5	-0,24
9	-10,0	-0,23
10	-21,3	0,05
11	-26,9	-0,20
12	4,8	-0,13
13	6,9	-0,23
	-				2859	64,11	1,52	601	941	77,92	7,277	197,82	0,55	1,320

Для определения коэффициентов условно чистой регрессии рассчитаем систему нормальных уравнений

Из вспомогательной таблицы № 4 подставляем необходимые данные

Уравнение многофакторной регрессии примет вид

а = 8,01-(0б3923,5+0,1382,39+4,5521,31)=5,713

Подставляя в данное уравнение значение факторов х₁, х₂, х₃ получим теоретическое значение результативного признака.

Т.о. в отличии от коэффициентов парной регрессии, коэффициенты условно чистой регрессии измеряют влияние фактора, абстрагируясь от связей вариации этого фактора с вариациями другого фактора, включенных в модель.

Коэффициенты условно чистой регрессии, т.е. b_j являются именованными числами, выраженными в различных единицах измерения, в тех же единицах, что и соответствующие им факторы. Поэтому они не сравнимы друг с другом, т.е. по их величине нельзя сделать вывод, какой из факторов в наибольшей степени влияет на результат. Для приведения их в сравнимый вид применяется то же преобразование, что и для получения парных коэффициентов. Полученную величину называют стандартизированным коэффициентом регрессии.