5. Изучите Пример 4 справки по функции линейн.

Величина Альфа используется для обозначения вероятности ошибочного вывода о том, что имеется сильная взаимозависимость.

В выходных данных функции ЛИНЕЙН величины F и df используются для оценки вероятности получения наибольшего значения F. Величина F может сравниваться с критическими значениями в публикумых таблицах F-распределения или FРАСП Excel может быть использована для вычисления возможности получения наибольшего значения F. Соответствующее F-распределение имеет степени свободы v1 и v2. Если величина n представляет количество точек данных и величина const имеет значение ИСТИНА или опущено, то v1 = n – df – 1 и v2 = df. (При const = ЛОЖЬ v1 = n – df and v2 = df). Функция Excel FРАСП(F, v1, v2) возвращает вероятность получения наибольшего значения F

6. Воспользуйтесь функцией FРАСПОБР (α=0,05)

7. Сделайте выводы по критерию Фишера, сравнив F-наблюдаемое значение с критическим

8. Изучите Пример 5 справки по функции ЛИНЕЙН.

9. Вычислите T-статистику для линейной функции, поделив m_i на se_i.

10. Вычислите T-статистику для функции ЛГРФПРИБЛ, поделив ln m_i на se_i.

11. Воспользуйтесь функцией СТЬЮДРАСПОБР. Сделайте выводы по критерию Стьюдента, сравнив Т-наблюдаемое значение с критическим.

Как и в случае парной регрессии, статистическая значимость коэффициентов множественной линейной регрессии с m объясняющими переменными проверяется на основе t-статистики:

t = m / se

имеющей в данном случае распределение Стьюдента с числом степеней свободы v = df. При требуемом уровне значимости наблюдаемое значение t-статистики сравнивается с критическим значением критерия Стьюдента. В случае, если t_набл>t_кр, то статистическая значимость соответствующего коэффициента регрессии подтверждается. Это означает, что фактор X_j линейно связан с зависимой переменной Y (соответствующая независимая переменная X_j полезна для предсказания результативного показателя Y). Если же установлен факт незначимости коэффициента b_j, то рекомендуется исключить из уравнения переменную Xj. Это не приведет к существенной потере качества модели, но сделает ее более конкретной.

Контрольное задание. Постройте аналитическую группировку. Проведите корреляционно-регрессионный анализ, используя функции «линейная» и «корреляция». Сделайте оценку по критериям Стьюдента и Фишера.

Составьте прогноз ожидаемого объема продаж в будущем периоде, используя функцию «Предсказание».

Таблица 2

Вариант		Периоды
		1	2	3	4	5	6	7	8	9	10	11	12	Прог-ноз
1	Расходы на рекламу, тыс. руб.	22	24	14	18	23	26	28	46	34	38	44	30	20
	Продажи, млн. руб.	29	40	28	30	40	44	33	50	35	40	46	36	?
2	Расходы на рекламу, тыс. руб.	22	24	23	46	24	30	34	38	26	28	15	19	25
	Продажи, млн. руб.	31	39	41	50	40	36	35	40	44	33	28	30	?
3	Расходы на рекламу, тыс. руб.	34	38	26	28	15	20	22	24	23	45	25	29	30
	Продажи, млн. руб.	37	42	40	33	28	30	33	39	35	50	40	36	?
4	Расходы на рекламу, тыс. руб.	46	25	29	22	24	22	28	14	20	34	38	26	40
	Продажи, млн. руб.	51	40	36	33	37	35	30	25	31	37	45	41	?
5	Расходы на рекламу, тыс. руб.	25	22	26	14	18	22	39	46	47	34	47	16	35
	Продажи, млн. руб.	40	33	41	28	30	31	40	48	55	36	53	30	?
6	Расходы на рекламу, тыс. руб.	14	18	22	24	23	26	28	30	34	39	46	47	45
	Продажи, млн. руб.	28	30	31	39	40	42	37	38	36	40	48	55	?
7	Расходы на рекламу, тыс. руб.	19	35	26	30	28	34	22	24	40	22	24	23	30
	Продажи, млн. руб.	31	38	42	38	37	36	31	39	44	31	39	40	?
8	Расходы на рекламу, тыс. руб.	15	19	21	25	23	26	28	30	34	38	44	46	40
	Продажи, млн. руб.	29	32	30	39	40	44	33	36	35	40	46	50	?
9	Расходы на рекламу, тыс. руб.	18	22	24	34	38	44	23	26	28	44	38	14	35
	Продажи, млн. руб.	30	29	40	35	40	46	40	44	33	46	40	28	?
10	Расходы на рекламу, тыс. руб.	44	47	38	14	15	31	44	40	26	25	28	45	25
	Продажи, млн. руб.	47	52	39	28	27	33	48	46	44	41	33	49	?