Сервисы «Корреляция» и «Регрессия» В таблице заданы три временных ряда

Вычислим матрицу коэффициентов парной корреляции и проанализируем тесноту связи между показателями с помощью MS Excel.
Для этого введем данные в таблицу MS Excel и выберем функцию «Анализ данных», режим «Корреляция» (рис. 2.1). Между рядами ВНП и Потребление достаточно тесная связь, в остальных случаях связь слабая.
Таблица 2.2 – Матрица коэффициентов парной корреляции
  ВНП Потребление Инвестиции
ВНП 1
Потребление 0,717488538 1
Инвестиции 0,535000442 0,537046417 1
Построим линейную и нелинейную модели регрессии, описывающие зависимость уt от факторов х1t и х2t.
Для построения линейной модели множественной регрессии используем ещё один инструмент «Анализа данных» – «Регрессия» . В открывшемся окне «Регрессия» зададим Входной интервал Y и Входной интервал Х из двух столбцов (рис. 2.2). Результат на рисунке 2.3.
Рисунок 2.1 – Матрица коэффициентов парной корреляции
Рисунок 2.2 – Построение линейной регрессии
Рисунок 2.3 – Итоги расчётов линейной регрессии
Получили коэффициенты модели:
a0 = 11,7020302915151 11,702 - это коэффициент, который показывает каким будет ВНП уt, если все используемые в модели факторы будут равны 0, то есть он показывает зависимость от других неописанных в модели факторов;
a1 = 0,791072689 0,791 - коэффициент, который показывает весомость влияния потребления, как фактора x1t, на ВНП уt;
a2 = 0,411774605 0,411 - коэффициент, который показывает весомость влияния объёма инвестиций, как фактора x2t, на ВНП уt;
Соберём рассчитанные коэффициенты в модель:
.
Полученный результат соответствует описанным выше корреляционным отношениям