The variance inflation factor (VIF)

The variance inflation factor (VIF) for X1, X2, X3
and X8 is 1.719, 1.652, 1.607 and 2.238 respectively.
Since all these values are less than 10, the
multicollinearity problem is removed by employing
stepwise regression. All of the coefficients in Eq. 3 are
significantly different from zero. 84.5% of the sample variations in Y, monthly gold prices have been
explained by the model. However, the computed value
of D, 1.196 is lower than the tabulated value of dL, 1.28
(α = 0.01). This statistic indicates that the error terms
are correlated the used Prais-Winsten procedures will
enable us to estimate the model’s coefficients.

ผลลัพธ์ (ไทย) 1:

ปัจจัยเงินเฟ้อต่าง (VIF) X 1, X 2, X 3และ X 8 1.719, 1.652, 1.607 และ 2.238 ตามลำดับเนื่องจากค่าเหล่านี้จะน้อยกว่า 10 การปัญหา multicollinearity จะถูกเอาออก โดยใช้stepwise ถดถอย ค่าสัมประสิทธิ์ใน Eq. 3 ทั้งหมดอย่างมีนัยสำคัญแตกต่างกันจากศูนย์ 84.5 รูปตัวอย่างใน Y %ราคาทองคำรายเดือนได้อธิบาย โดยรูปแบบ อย่างไรก็ตาม ค่าจากการคำนวณD, 1.196 เป็นต่ำกว่าค่า tabulated ของ dL ถึง 1.28(ด้วยกองทัพ = 0.01) การ สถิตินี้หมายถึงเงื่อนไขข้อผิดพลาดมี correlated ขั้นตอนจะใช้ของ Prais-Winstenช่วยให้เราสามารถประมาณค่าสัมประสิทธิ์ของแบบจำลอง

ผลลัพธ์ (ไทย) 2:

ปัจจัยเงินเฟ้อแปรปรวน (VIF) สำหรับ X1, X2, X3
และ X8 เป็น 1.719, 1.652, 1.607 และ 2.238 ตามลำดับ.
ตั้งแต่ค่าทั้งหมดเหล่านี้มีน้อยกว่า 10
ปัญหาพหุจะถูกลบออกโดยการ
ถดถอยแบบขั้นตอน ทั้งหมดของสัมประสิทธิ์ในสมการ 3
อย่างมีนัยสำคัญที่แตกต่างจากศูนย์ 84.5% ของตัวอย่างในรูปแบบ Y, ราคาทองคำรายเดือนได้รับการ
อธิบายโดยรูปแบบ อย่างไรก็ตามราคาคำนวณ
ของ D, 1.196 ต่ำกว่ามูลค่าของตาราง dL, 1.28
(α = 0.01) สถิตินี้แสดงให้เห็นว่าข้อตกลงข้อผิดพลาดที่
มีความสัมพันธ์ขั้นตอนการใช้ Prais-Winsten จะ
ทำให้เราสามารถที่จะประเมินค่าสัมประสิทธิ์ของแบบจำลอง

ผลลัพธ์ (ไทย) 3:

ความแปรปรวนอัตราเงินเฟ้อปัจจัย ( VIF ) x1 , x2 , x3 และเป็น 1.719 1.652 X8
, ,
1.607 608 และตามลำดับ ตั้งแต่ค่าทั้งหมดเหล่านี้จะน้อยกว่า 10

ปัญหาค่าออกโดยใช้ Stepwise Regression ทั้งหมดของสัมประสิทธิ์ในอีคิว 3
แตกต่างจากศูนย์ 84.5 % ของตัวอย่างรูปแบบใน Y , ราคาทองรายเดือนได้
อธิบายได้ด้วยแบบจำลอง อย่างไรก็ตามคำนวณค่า
ของ D 1.196 กว่าจะแยกค่า DL 1.28
( α = 0.01 ) สถิตินี้แสดงให้เห็นว่าเงื่อนไขข้อผิดพลาด
มีความสัมพันธ์กันจะใช้ขั้นตอนการแปลงของเพรสวินเซิน
ช่วยให้เราประมาณค่าสัมประสิทธิ์ของแบบจำลอง