- уровень значимости (в нашем случае он равен 0,05),-m-1 - количество степеней свободы (n = 36 - размер выборки, m = 1 - количество переменных в уравнении регрессии).

В нашем случае .

Сравниваем значения t-статистик со значением критической точки Стьюдента:

,805 > 2,031, значит условие статистической значимости выполняется для параметра b1 и переменная IPC имеет существенное влияние на Brb;

|-1,992| < 2,031, значит коэффициент b0 статистически не значим. Это означает, что в модели нет неучтенных факторов.

Рассчитаем коэффициент детерминации, характеризующий общее качество построенной регрессии по следующей формуле:

2 = r2XY

Коэффициент детерминации R2 = r2xy = 0,2987. Для проверки адекватности нашей модели воспользуемся критерием Фишера.

Найдем значение F - статистики по формуле:

В нашем случае:

Модель регрессии является адекватной, если выполнено условие: , где - критическое значение распределение Фишера, которое находится в зависимости от уровня значимости (в нашем случае ), количества переменных m (в нашем случае m = 1) и количества степеней свободы (в нашем случае ). Это значение мы берем из статистических таблиц.

В нашем случае условие выполнено, значит, модель адекватна. Это означает, что совокупное влияние переменной X на переменную Y существенно. Построенная модель качественна.

2. Полулогарифмическую зависимость между величинами IPC (X) и Brb (Y) можно записать:

= a + b LnX.

Найдем коэффициенты a и b уравнения с помощью метода наименьших квадратов (МНК) и данных таблицы Г.3 (Приложение Г).

= = -72,057

= 36,61 - (-72,057) * 4,63 = 370,255

Таким образом, уравнение регрессии имеет вид:

Brb = 370,255 - 72,057 Ln(IPC)

Экономическая интерпретация данного уравнения сводится к следующему: при увеличении уровня ИПЦ на 1% происходит снижение количества безработных на 72 тыс. чел. (по логарифму). Т.е. можно говорить, что изменение уровня ИПЦ порождает изменение количества безработных в противоположном направлении, что подтверждает предварительные выводы, заключенные в первом разделе.

С помощью данного уравнения (если подставить вместо X наши наблюдаемые значения независимой переменной) найдем Y эмпирическое (модельное) и вычислим остатки e (отклонение реальных значений Y от модельных), см. Приложение Ж.