Выявить тренд в годовых уровнях ряда 2 Дополнить базу данных бинарными переменными Uj

Построим временной тренд в годовых уровнях ряда:
Регрессионная статистика
Множественный R 0,45
R-квадрат 0,20
Нормированный R-квадрат 0,07
Стандартная ошибка 279,36
Наблюдения 8,00
Дисперсионный анализ
  df
SS MS F Значимость F
Регрессия 1,00 120375,05 120375,05 1,54 0,26
Остаток 6,00 468261,82 78043,64
Итого 7,00 588636,88      
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95%
Y-пересечение -106344,50 86752,16 -1,23 0,27 -318619,38
Год 53,54 43,11 1,24 0,26 -51,94
Уравнение имеет вид:
Таким образом, согласно полученной модели, ежегодно в среднем потребность в работниках, заявленная в государственные учреждения службы занятости, увеличивается на 53,54 тыс.чел.
Имеет место средняя по силе линейная связь в модели (коэффициент корреляции равен 0,45). Построенный временной тренд описывает 20% вариации потребности в работниках (коэффициент детерминации равен 0,20), т.е. качество модели очень низкое. Модель в целом незначима по критерию Фишера на уровне значимости 0,05 («Значимость F»=0,26, превышает уровень значимости 0,05). Отдельные коэффициенты модели также незначимы (в обоих случаях величина «P-Значение» превышает уровень значимости 0,05).
2. Дополним базу данных бинарными переменными Uj, соответствующими отдельным кварталам года. Переменная U2 принимает значение 1 во втором квартале и значение 0 – в остальных. Переменная U3 принимает значение 1 в третьем квартале и значение 0 – в остальных . Переменная U4 принимает значение 1 в четвертом квартале и значение 0 – в остальных. В первом квартале значение всех бинарных переменных равно нулю, поэтому он будет выступать за базу сравнения.
t
Y U2 U3 U4
2009 877 0 0 0
2009 1159 1 0 0
2009 1124 0 1 0
2009 874 0 0 1
2010 892 0 0 0
2010 1259 1 0 0
2010 1254 0 1 0
2010 1077 0 0 1
2011 1128 0 0 0
2011 1529 1 0 0
2011 1478 0 1 0
2011 1262 0 0 1
2012 1377 0 0 0
2012 1762 1 0 0
2012 1639 0 1 0
2012 1390 0 0 1
2013 1568 0 0 0
2013 2021 1 0 0
2013 1771 0 1 0
2013 1508 0 0 1
2014 1528 0 0 0
2014 2115 1 0 0
2014 2120 0 1 0
2014 1665 0 0 1
2015 1245 0 0 0
2015 1332 1 0 0
2015 1340 0 1 0
2015 1210 0 0 1
2016 1136 0 0 0
2016 1356 1 0 0
2016 1413 0 1 0
2016 1267 0 0 1
2017 1266 0 0 0
2017 1570 1 0 0
2017 1655 0 1 0
3. Построим полную множественную модель квартальной сезонности:
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R 0,61
R-квадрат 0,37
Нормированный R-квадрат 0,28
Стандартная ошибка 265,46
Наблюдения 35,00
Дисперсионный анализ
  df
SS MS F Значимость F
Регрессия 4,00 1226867,90 306716,97 4,35 0,01
Остаток 30,00 2114058,28 70468,61
Итого 34,00 3340926,17      
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95%
Y-пересечение -87134,80 35864,64 -2,43 0,02 -160380,16
t
43,89 17,82 2,46 0,02 7,51
U2 342,89 125,14 2,74 0,01 87,32
U3 308,56 125,14 2,47 0,02 52,99
U4 79,46 129,30 0,61 0,54 -184,60
Уравнение имеет вид:
Таким образом, согласно полученной модели, ежегодно в среднем потребность в работниках, заявленная в государственные учреждения службы занятости, увеличивается на 43,89 тыс.чел