Для перевірки адекватності (тобто ступеня відповідності побудованого рівняння регресії наявним статистичним даним) застосуємо критерій Фішера

1. Обчислимо розрахункове значення критерію Фішера за формулою . Для цього введемо у комірку F24 формулу F24:=G3^2/(1-G3^2)*(B27-2).
2. У комірці F25 необхідно обчислити табличне значення критерію Фішера, використовуючи вбудовану функцію FРАСПОБР (ймовірність a=0,05, число ступенів вільності k₁=m=1 й k₂=n-m-1=20-2=18).
3. Порівнявши отримані результати, зробимо висновок (рис.5).
4. Зробимо аналіз отриманої залежності, обчисливши коефіцієнт еластичності по формулі:

(для експонентної моделі використаємо формулу , у випадку вибору лінійної моделі - ).

1. У комірках Е28 й I28 обчислимо межі зміни коефіцієнта еластичності К_l1 й К_l2, для цього у відповідні комірки введемо формули Е28:=G11*E27; I28:=G11*I27, де E27– мінімальне значення для х, а I27 – максимальне, узяте з діапазону С2:С21 (у нашому випадку використовуємо формулу для експоненціальної моделі). Мінімальне та максимальне значення для Х з діапазону С2:С21 можна знайти за допомогою вбудованих функцій МИН та МАКС відповідно.
2. Для наочного уявлення розрахунків побудувати графіки статистичних даних та побудованих залежностей (див. лаб.1).
3. Проаналізувати отримані графіки.(рис.6).
4. Підвести підсумки лабораторної роботи і зробити висновки.
5. Зберегти книгу у своїй робочій папці під ім'ям Лаб.3.

Висновки:

1. Порівнявши дисперсії залишків лінійної та експоненціальної залежностей, можна зробити висновок, що експоненціальна модель краще відображає задану залежність, так як дисперсія залишків експоненціальної моделі менше.
2. При зміні фактора x для вихідних даних в інтервалі 0,8 £ х £ 9,0 коефіцієнт еластичності буде змінюватися в межах 0,22 £ K_l £ 2,49. Таким чином, збільшення значення фактора на 1% приведе до росту значення показника в середньому на 2,49%.

3. Значення коефіцієнта кореляції, наближене до 1, а також невисока величина дисперсії залишків означають тісний взаємозв'язок між фактором і показником.

4. Оцінка значимості відмінності від нуля параметрів рівняння й адекватності моделі дозволяють зробити висновок, що модель можна використовувати з метою прогнозування величини показника.