Прогнозирование по многофакторным регрессионным моделям

Прогнозирование по многофакторным регрессионным моделям По приведенным в табл. 4.12 данным построить уравнение многофакторной линейной регрессии, если а= b1 = b2 = b3 = , b4 = b5 = . Таблица 4.12 Фактические значениях Значение Х1 Х2 Х3 Х4 Х5 102-122 115 75,5 56,1 25,2 3343 124-144 123 78,5 61,8 21,8 3001 146-166 74 78,4 59,1 25,7 3101 168-184 111 77,7 63,3 17,8 3543 186-206 113 84,4 64,1 15,9 3237 208-228 110 75,9 57 22,4 3330 230-250 119 76 50,7 20,6 3808 252-268 146 67,5 57,1 25,2 2415 270-278 113 78,2 62 20,7 3295 280-300 0,8 78,1 61,8 17,5 3504 Рассчитать значения результативного показателя на следующие 2 периода. На основе матрицы парных коэффициентов корреляции(табл.4.13) (рассчитать) выявить и устранить мультиколлинеарные факторы. После их устранения построить уравнение регрессии по новым данным регрессионного анализа, характеризующее зависимость результирующего показателя (y) от факторных (xi) в линейной форме. Таблица 4.13 x1 x2 x3 x4 x5 y x1 1 x2 0,8154 1 x3 100/α 90/α 1 x4 0,0673 0,7628 0,2211 1 x5 0,00041 0,0034 0,068 0,024 1 y 0,59033 0,76313 0,4001 0,2973 -0,004 1 Рассчитать прогнозные значения результативного показателя по скорректированной многофакторной модели на следующие 2 периода, если: Период Изменение хi в текущем периоде по сравнению с предыдущим, % Фактическое значение переменной у х1 х2 х3 х4 х5 13 +5 0 0 0 +2,3 2020 14 0 +7,1 0 0 0 2760 Оценить точность прогноза, рассчитав ошибку прогноза для обоих случаев. Сделать выводы.