Построение линейной модели множественной регрессии

Наконец, я построил линейную модель множественной регрессии. Были получены следующие результаты.

Рис. 14 – результаты оценивания параметров линейной модели множественной регрессии

Как видно из вероятности статистики теста Фишера (Prob(F-statistic)=0,000000), модель является значимой. Но если взглянуть на значимость зависимых величин (Prob.), мы увидим, что из них значима лишь одна – уровень национального дохода на душу населения. Тогда начнём по очереди удалять из модели незначимые величины, начиная с самой незначимой (в данном случае – с охвата среднего образования).

Рис. 15 – результаты оценивания параметров линейной модели множественной регрессии после удаления незначимой переменной school_enrollment

Как видим, в модели по-прежнему сохраняются незначимые переменные. Самая незначимая теперь, резко выделяющаяся на фоне остальных – это наличие/отсутствие коммандо. Удаляем из модели и её.

Рис. 16 - результаты оценивания параметров линейной модели множественной регрессии после удаления незначимой переменной commando

Картина значительно улучшилась – значимость переменных теперь куда ближе к необходимой. Однако все они, кроме одной (gni_per_capita), по-прежнему незначимы. Теперь удаляем самую незначимую переменную процентной ставки по кредитам.

Рис. 17 - результаты оценивания параметров линейной модели множественной регрессии после удаления незначимой переменной credits

Теперь значимы все переменные, кроме одной – процента больных ВИЧ/СПИД. Для построения правильной модели необходимо удалить и её.

Рис. 18 - результаты оценивания параметров линейной модели множественной регрессии после удаления незначимой переменной aids

Вот теперь все переменные в линейной модели значимы (как и она сама). В итоге я получил модель, в которой переменная crime_rate (уровень убийств на 100 тыс. чел.) зависит от переменных gni_per_capita (уровень национального дохода на душу населения), tuber (уровень заболеваемости туберкулёзом на 100 тыс. чел.) и unemployment (уровень безработицы в процентах к трудоспособному населению). Теперь можно переходить к дальнейшему исследованию модели.