Главная цель анализа данных состоит в выявлении корреляционной связи зависимой переменной Y(уровень рентабельности) с независимыми переменными Х, а также выявление независимых переменных, имеющих высокий уровень корреляции между собой. Критическое значение коэффициента корреляции равно 0,4418. Это означает что все коэффициенты корреляции, значение которых меньше 0,4282 принимаются равными нулю, а связь считается незначимой. Анализируя результаты вычисления показателей парной корреляции можно сказать, что между всеми признаками существует корреляционная связь.
Все коэффициенты корреляции значимы, связь между признаками существует. Это влияние носит положительный характер, т.е. увеличение значения рассматриваемых факторов приводят к росту в среднем суммы уровня рентабельности.
Исходя из данных анализа парной корреляции, можно сказать, что наиболее весьма высокая (по шкале Чеддока) связь присутствует между следующими показателями: Фондоотдача (Х1) и производительность труда в расчете на работника, руб (Х2) – k= 0,995, между показателями Уровень рентабельности (Y) и Фондоотдача (Х1) , и , соответственно, производительность труда в расчете на работника(Х2) и Уровень рентабельности (Y) связи высокие k = 0,877 , и k = 0,866.
Исходя из анализа данных парной корреляции видно, что наибольшее влияние на Уровень рентабельности (Y) имеет показатель Фондоотдача (Х1) , за ним идет показатель производительность труда в расчете на работника, руб (Х2).
Однако на парные коэффициенты корреляции влияют действия остальных объясняющих факторов. Чтобы избавиться от этого влияния рассчитывают матрицу частных корреляций.
При помощи данной матрицы мы видим, что коэффициенты корреляции по двум изучаемым признакам ниже критических, что означает отсутствие влияния на показатель Уровень рентабельности (Y) показателей Фондоотдача (Х1), и производительность труда в расчете на работника, руб (Х2).
Для определения тесноты связи между текущей k-й переменной и оставшимися (объясняющими) переменными, используется выборочный множественный коэффициент корреляции. Для проверки статистической значимости коэффициента множественной корреляции используется величина F. Если рассчитанное F-значение больше значения F-распределения на соответствующем вероятностном уровне (0,9 и выше), то гипотеза о линейной связи между k-й переменной и остальными переменными не отвергается. В нашем случае табличное значение F3,10=8,78, а значит только для всех показателей гипотеза об отсутствии линейной связи с остальными переменными не отвергается.
Коэффициент эластичности показывает, что при изменении показателя Х1 на 1% зависимая переменная изменяется на 0,694, при изменении показателя Х2 – на 0,034
Расчет прогноза и показателей регрессии выполнялся в программе ОЛИМП: Статэксперт.
Для показателя Х1 фондоотдача была выбрана модель Метод Хольта(+0.812, +0.042). Были получены следующие прогнозные значения:
Для показателя производительность труда в расчете на работника выбрана лучшая модель Метод Брауна(+0.427) с помощью которой получены следующие прогнозные показатели:
Для зависимого показателя Y – привлеченные ресурсы банка мы получили следующие прогнозные показатели:
Итоговая таблица с добавленными прогнозными данными.
