(i) Compare these regression result

(i) Compare these regression results with thise given in Eq. (a).

CM^i = 263.6416 − 0.0056 PGNPi − 2.2316 FLRi
se = (11.5932) (0.0019) (0.2099)
t = (22.7411) (−2.8187) (−10.6293) (a)
p value = (0.0000)* (0.0065) (0.0000)*
R2= 0.7077, AdjustedR2= 0.6981

What changes do you see? And how do you account for them?
(ii) Is it worth adding the variable TFR to the model? Why?
(iii) Since all the individual t coefficients are statistically significant, can
we say that we do not have a collinearity problem in the present case?

ผลลัพธ์ (ไทย) 1:

(i) เปรียบเทียบผลการถดถอยนี้กับ thise ใน Eq. (a)CM ^ ฉัน = 263.6416 − 0.0056 PGNPi − 2.2316 FLRise = (11.5932) (0.0019) (0.2099)t = (22.7411) (−2.8187) (−10.6293) (a)ค่า p = (0.0000) * (0.0065) (0.0000) *R2 = 0.7077, AdjustedR2 = 0.6981คุณเห็นการเปลี่ยนแปลง และวิธีคุณทำบัญชีนั้น(ii) เป็นมูลค่าเพิ่ม TFR ตัวแปรรูปแบบ ทำไม(iii) เนื่องจากสัมประสิทธิ์ t แต่ละอย่างมีนัยสำคัญทางสถิติ สามารถเราบอกว่า เราไม่มีปัญหาภาวะร่วมเส้นตรงในกรณีปัจจุบัน

ผลลัพธ์ (ไทย) 2:

(i) การเปรียบเทียบผลการถดถอยเหล่านี้ด้วย thise ได้รับในสมการ (ก). CM ^ i = 263.6416-.0056 PGNPi - 2.2316 FLRi SE = (11.5932) (0.0019) (0.2099) t = (22.7411) (-2.8187) (-10.6293) (ก) ค่า p = (0.0000) * ( 0.0065) (0.0000) * R2 = 0.7077, 0.6981 AdjustedR2 = การเปลี่ยนแปลงอะไรที่คุณเห็น? และวิธีการทำคุณบัญชีสำหรับพวกเขา? (ii) มันคุ้มค่าเพิ่ม TFR ตัวแปรรูปแบบ? ทำไม? (iii) ทั้งหมดตั้งแต่ค่าสัมประสิทธิ์เสื้อแต่ละอย่างมีนัยสำคัญสามารถเราบอกว่าเราไม่ได้มีปัญหา collinearity ในกรณีปัจจุบัน?

ผลลัพธ์ (ไทย) 3:

( i ) เปรียบเทียบผลการถดถอยเหล่านี้กับ่าให้ในอีคิว ( )


ผม 263.6416 ซม. = −− 2.2316 0.0056 pgnpi flri
เซ = ( 11.5932 ) ( 0.0019 ) ( 0.2099 )
T = ( 22.7411 ) ( − ( − 2.8187 ) 10.6293 ) ( a )
ค่า P = ( ข้า ) * ( 0.0065 ) ( ข้า ) *
0.7077 adjustedr2 R2 = , = 0.6981

การเปลี่ยนแปลงสิ่งที่คุณเห็น ? และวิธีการทำที่คุณบัญชีสำหรับพวกเขา
( 2 ) เป็นมูลค่าเพิ่มตัวแปร TFR กับนางแบบ ทำไม ?
( 3 ) เนื่องจากแต่ละที ) อย่างมีนัยสำคัญทางสถิติ สามารถ
เรากล่าวว่าเราไม่ได้มีปัญหา collinearity ในกรณีปัจจุบัน