Цитата(Yano4k@ @ 25.3.2010, 13:51) 
Я посмотрела пример и не поняла, как определить выделяющиеся выбросы и как их исключить?
1) Подскажите, как правильно сформулировать предположения по поводу улучшения модели! Я предлагаю так: Модель можно улучшить исключив не значимые факторы. Правильно?
Правильно но не только. В данном случае если рассматривается только линейная модель, то да исключая не значимые переменные. + исключая выбросы....
Как определить выбросы по таблице, это если остатки не попадают в интервал -S +S (левая часть таблицы)
Если по графику, то для начала надо построить график остатков именно для данной модели, а не для каждого фактора...
Цитата(Yano4k@ @ 25.3.2010, 13:51)
2)Мультиколлинеарность выявляется с помощью частного коэффициента корреляции. У меня он близок к 0, значит мультиколлинеарность есть, но она не значима. Так? Что-то еще нужно сказать?
А где у Вас частные коэффициенты корреляции близки к 0? Может я просто что то упустила?
Цитата(Yano4k@ @ 25.3.2010, 13:51)
Коэффициент при х4 0,405 это коффициент "чистой" регрессии???
Я не это имела ввиду. Я хотела что бы Вы написали на что конкретно указывает данный коэффициент. Судя по данным у Вас Х4 - это жилая площадь квартиры. (м^2), так как у Вас изменится стоимость всей квартиры если жилая площадь увеличится на 1 м^2?
Цитата(Yano4k@ @ 25.3.2010, 13:51)
5) На счет выводов также! Что именно должно быть указано в общих выводах???
Ну как бы любая работа преследует какую то цель. Вы должны объяснить какая перед Вами ставилась цель, что в ходе работы было получено, на чем Вы остановились и почему. А так же рекомендации скажем обычному маклеру, о назначении цены ориентируясь на имеющиеся данные....
Цитата(Yano4k@ @ 25.3.2010, 14:46)
Как раз для этого и искала!
Смотрим rх1х2=-0,19. Это близко к 0, значит определитель матрицы близок к 1, следовательно мультиколлинеарность слабая или не значима. Так?
Да? а чему равно rX1X3 или rX1X4?