...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles). Kui b0 on väiksem kui b0 muutus,
siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b 1 kohta.
b0=1,724
1 Hinnang b usaldusvahemik P(3,16 - 1,086 0 3,16 +1,086 ) = 0,95 P(2,074 0 4,246 ) = 0,95 10.3 kontrollida mudeli liikmete olulisust ...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) Kui b0 on väiksem kui b0 muutus, siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b1 kohta. b0 = 2,37 < b0 = 3,63 = mitteoluline b1 = 3,16 > b1 = 1,086 = oluline 10.4 kontrollida mudeli adekvaatsust Advekaatsust kontrollitakse F statistikuga N 1 2 sad = ( yi - (b0 + b1 xi )) 2 N - d j =1 ,kus d on oluliste liikmete arv ehk 1 Arvutuse tegin Excelis 2 sad = 3,8949... 3,9 F-statistik (arvutustlik) on: s2 3,9 F= 2A = 2,03 s ( y ) 1,92 Tabelist saadud Fkr on Fkr = F1- ( N -d , w -1) = F0 , 95 ( 4,6) = 4,53 Siit järeldame, et kuna kriitiline väärtus on suurem kui arvutuslik väärtus, siis mudel on
järgi (kui esimene ja teine on täidetud, siis kolmas ka). Mittestatsionaarne: (need kolm komponendid ei ole konstantsed) – rea algus ja lõpp on erinevad, reas on sees trend. Stat. keskväärtused: tuleb elimineerida trend, diferentsid tuleb võtta või koostada mudelit jääkliikmete baasil (aga on palju subjektiivseid momente, seega pigem kasutada diferentside võtmist). Peame leidma mingi vahendit, mis võtab alla hajuvust: 1) logaritmid 2) indeksid 7. Mis juhtub mudeliga ja f-statistikuga, kui mudelis on liiga palju ebaolulisi muutujaid; Kirjeldatuse tase võib küll hea olla, aga mudeli statistiline olulisus võib oluliselt madal olla. F- statistik hakkab suurenema ja seega muutub mudel ebaolulisemaks. Mudel on statistiliselt oluline kui F-statistik on < 0,05. 8. Box-jenkinsi meetod; Sellisel juhul koosneb mudeli konstrueerimine neljast põhietapist: 1) mudeli (või mudelite) identifitseerimine;
annaabi.ee 
