Шанхая и функции затрат, полученные из регрессии стоимости (COST) на
N и фиктивной переменной для типа программы обучения (профессиональной/обычной).N
occupational school
regular school
COST
Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА 1 Диаграмма рассеяния показывает
Содержание
- 1. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА 1 Диаграмма рассеяния показывает
- 2. 2Описание модели включает в себя предположение о
- 3. 3Тем не менее это не реалистическое предположение.
- 4. 4Кроме того, соотношение персонала и ученика должно
- 5. 5Рассматривая диаграмму рассеяния, можно видеть, что функция
- 6. 6Мы будем предполагать о тех же предельных
- 7. 7В случае обычной школы OCC равен 0
- 8. В случае профессиональной школы OCC=1, a NOCC=N.
- 9. В этой модели предельные издержки на одного
- 10. Nb1 +db1OccupationalRegulardlДиаграмма графически иллюстрирует модель.10ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНАCOST
- 11. Здесь данные первых 10 школ. Обратите внимание
- 12. . reg COST N OCC NOCC Source
- 13. Вот регрессия в форме уравнения.13ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ
- 14. Подставляя OCC и NOCC, равные 0, функцию
- 15. Подставив OCC, равный 1, и NOCC, равный
- 16. Можно увидеть, что функции затрат соответствуют данным
- 17. Теперь мы можем понять, почему у нас
- 18. Предположение о тех же предельных издержках привело
- 19. Функция затрат для обычных школ была слишком
- 20. Мы можем выполнять t-тесты, как обычно. Статистика
- 21. Коэффициент OCC сейчас отрицательный, что говорит о
- 22. Это маловероятно. Однако статистика t только -0,09,
- 23. Мы также можем выполнить F-тест общей объяснительной
- 24. Нулевая гипотеза состоит в том, что коэффициенты
- 25. Улучшение соответствия при добавлении фиктивных переменных -
- 26. Стоимость равна 2, поскольку были оценены 2
- 27. Первый компонент знаменателя - это RSS после
- 28. Знаменатель - это RSS после добавления фиктивных
- 29. Таким образом, статистика F 31.4. Критическая шкала
- 30. Таким образом, мы заключаем, что хотя бы
- 31. Скачать презентанцию
2Описание модели включает в себя предположение о том, что предельные затраты на одного учащегося одинаковы для профессиональных и обычных школ. Следовательно, функции затрат параллельны.ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНАNoccupational schoolregular schoolCOST
Слайды и текст этой презентации
Слайд 1ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
1
Диаграмма рассеяния показывает данные 74 школ
Слайд 22
Описание модели включает в себя предположение о том, что предельные
затраты на одного учащегося одинаковы для профессиональных и обычных школ.
Следовательно, функции затрат параллельны.ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
N
occupational school
regular school
COST
Слайд 33
Тем не менее это не реалистическое предположение. Профессиональные школы несут
расходы на учебные материалы, связанные с количеством учащихся.
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ
КОЭФФИЦИЕНТА НАКЛОНАN
occupational school
regular school
COST
Слайд 44
Кроме того, соотношение персонала и ученика должно быть выше в
профессиональных школах, поскольку групп семинаров не должны быть такими большими,
как академические классы.ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
N
occupational school
regular school
COST
Слайд 55
Рассматривая диаграмму рассеяния, можно видеть, что функция затрат для профессиональных
школ должна быть более крутой, а для обычных школ -
более плоской.ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
N
occupational school
regular school
COST
Слайд 66
Мы будем предполагать о тех же предельных издержках, введя, как
известно, фиктивную переменную наклона. NOCC – это произведение N и
OCC.ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST = b1 + dOCC + b2N + lNOCC + u
Слайд 77
В случае обычной школы OCC равен 0 и, следовательно, NOCC
тоже.
Модель сводится к основным компонентам.
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Regular school
(OCC
= NOCC = 0)COST = b1 + dOCC + b2N + lNOCC + u
COST = b1 + b2N + u
Слайд 8В случае профессиональной школы OCC=1, a NOCC=N. Как показано, уравнение
упрощается.
8
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Regular school
(OCC = NOCC = 0)
COST
= b1 + dOCC + b2N + lNOCC + uCOST = b1 + b2N + u
COST = (b1 + d) + (b2 + l)N + u
Occupational school
(OCC = 1; NOCC = N)
Слайд 9В этой модели предельные издержки на одного учащегося на l
выше, чем в обычных школах, а накладные расходы получаются разные.
9
ФИКТИВНЫЕ
ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНАRegular school
(OCC = NOCC = 0)
COST = b1 + dOCC + b2N + lNOCC + u
Occupational school
(OCC = 1; NOCC = N)
COST = b1 + b2N + u
COST = (b1 + d) + (b2 + l)N + u
Слайд 10N
b1 +d
b1
Occupational
Regular
d
l
Диаграмма графически иллюстрирует модель.
10
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST
Слайд 11Здесь данные первых 10 школ. Обратите внимание на странный способ
определения NOCC.
11
School Type COST N OCC NOCC
1 Occupational 345,000 623 1 623
2 Occupational
537,000 653 1 6533 Regular 170,000 400 0 0
4 Occupational 526.000 663 1 663
5 Regular 100,000 563 0 0
6 Regular 28,000 236 0 0
7 Regular 160,000 307 0 0
8 Occupational 45,000 173 1 173
9 Occupational 120,000 146 1 146
10 Occupational 61,000 99 1 99
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Слайд 12. reg COST N OCC NOCC
Source |
SS df MS
Number of obs = 74---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
COST | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+--------------------------------------------------------------------
N | 152.2982 60.01932 2.537 0.013 32.59349 272.003
OCC | -3501.177 41085.46 -0.085 0.932 -85443.55 78441.19
NOCC | 284.4786 75.63211 3.761 0.000 133.6351 435.3221
_cons | 51475.25 31314.84 1.644 0.105 -10980.24 113930.7
------------------------------------------------------------------------------
Странно или нет, но метод работает очень хорошо. Вот результат регрессии с использованием полной выборки 74 школ. Начнем с интерпретации коэффициентов регрессии.
12
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Слайд 13Вот регрессия в форме уравнения.
13
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST =
51,000 – 4,000OCC + 152N + 284NOCC
^
Слайд 14Подставляя OCC и NOCC, равные 0, функцию затрат для обычных
школ. По нашим оценкам, их ежегодные накладные расходы составляют 51
000 юаней, а их ежегодная предельная стоимость на одного учащегося составляет 152 юаней.14
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Regular school
(OCC = NOCC = 0)
COST = 51,000 – 4,000OCC + 152N + 284NOCC
COST = 51,000 + 152N
^
^
Слайд 15Подставив OCC, равный 1, и NOCC, равный N, мы рассчитали,
что годовые накладные расходы для профессиональных школ равны 47 000
юаней, а годовые предельные издержки на одного учащегося составляют 436 юаней.15
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Regular school
(OCC = NOCC = 0)
COST = 51,000 – 4,000OCC + 152N + 284NOCC
COST = 51,000 + 152N
COST = 51,000 – 4,000 + 152N + 284N
= 47,000 + 436N
^
^
^
Occupational school
(OCC = 1; NOCC = N)
Слайд 16Можно увидеть, что функции затрат соответствуют данным намного лучше, чем
раньше, и что реальная разница заключается в предельных издержках, а
не накладных расходах.16
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST
occupational school
regular school
N
Слайд 17Теперь мы можем понять, почему у нас была бессмысленная отрицательная
оценка накладных расходов обычной школы в предыдущих моделях.
17
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ
КОЭФФИЦИЕНТА НАКЛОНАCOST
occupational school
regular school
N
Слайд 18Предположение о тех же предельных издержках привело к оценке предельных
издержек, которые были компромиссом между предельными издержками профессиональных и обычных
школ.18
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST
occupational school
regular school
N
Слайд 19Функция затрат для обычных школ была слишком крутой, и, как
следствие, отрезок был недооценен, фактически стал отрицательным и указывал на
то, что что-то должно быть ошибочным с описанием модели.19
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
COST
occupational school
regular school
N
Слайд 20Мы можем выполнять t-тесты, как обычно. Статистика t для коэффициента
NOCC составляет 3,76, поэтому предельная стоимость одного студента в профессиональной
школе значительно выше, чем в обычной школе.20
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
COST | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+--------------------------------------------------------------------
N | 152.2982 60.01932 2.537 0.013 32.59349 272.003
OCC | -3501.177 41085.46 -0.085 0.932 -85443.55 78441.19
NOCC | 284.4786 75.63211 3.761 0.000 133.6351 435.3221
_cons | 51475.25 31314.84 1.644 0.105 -10980.24 113930.7
------------------------------------------------------------------------------
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
Слайд 21Коэффициент OCC сейчас отрицательный, что говорит о том, что накладные
расходы профессиональных школ фактически ниже, чем в обычных школах.
21
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ
ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
COST | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+--------------------------------------------------------------------
N | 152.2982 60.01932 2.537 0.013 32.59349 272.003
OCC | -3501.177 41085.46 -0.085 0.932 -85443.55 78441.19
NOCC | 284.4786 75.63211 3.761 0.000 133.6351 435.3221
_cons | 51475.25 31314.84 1.644 0.105 -10980.24 113930.7
------------------------------------------------------------------------------
Слайд 22Это маловероятно. Однако статистика t только -0,09, поэтому мы не
отвергаем нулевую гипотезу о том, что накладные расходы двух типов
школ одинаковы.22
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
COST | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+--------------------------------------------------------------------
N | 152.2982 60.01932 2.537 0.013 32.59349 272.003
OCC | -3501.177 41085.46 -0.085 0.932 -85443.55 78441.19
NOCC | 284.4786 75.63211 3.761 0.000 133.6351 435.3221
_cons | 51475.25 31314.84 1.644 0.105 -10980.24 113930.7
------------------------------------------------------------------------------
Слайд 23Мы также можем выполнить F-тест общей объяснительной способности фиктивных переменных,
сравнивая RSS, когда фиктивные переменные включаются в RSS, когда они
ими не являются23
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 24Нулевая гипотеза состоит в том, что коэффициенты OCC и NOCC
равны 0. Альтернативная гипотеза состоит в том, что один или
оба отличны от нуля.24
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 25Улучшение соответствия при добавлении фиктивных переменных - это сокращение в
RSS.
25
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 26Стоимость равна 2, поскольку были оценены 2 дополнительных параметра -
коэффициенты фиктивных переменных, и, как следствие, количество оставшихся степеней
свободы было уменьшено с 72 до 70.26
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 27Первый компонент знаменателя - это RSS после добавления фиктивных переменных.
27
ФИКТИВНЫЕ
ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source
| SS df MS Number of obs = 74---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 28Знаменатель - это RSS после добавления фиктивных переменных, деленный на
количество оставшихся степеней свободы. Это 70, потому что есть 74
наблюдения и 4 параметра.28
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 29Таким образом, статистика F 31.4. Критическая шкала F (2,70) на
уровне 0,1 процента составляет 7,6.
29
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg
COST N OCC NOCCSource | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
Слайд 30Таким образом, мы заключаем, что хотя бы один из фиктивных
переменных коэффициентов отличается от 0. Мы знали это уже из
t тестов, поэтому в этом случае F-тест на самом деле ничего не добавляет.30
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ДЛЯ КОЭФФИЦИЕНТА НАКЛОНА
. reg COST N OCC NOCC
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 3, 70) = 49.64
Model | 1.0009e+12 3 3.3363e+11 Prob > F = 0.0000
Residual | 4.7045e+11 70 6.7207e+09 R-squared = 0.6803
---------+------------------------------ Adj R-squared = 0.6666
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 81980
------------------------------------------------------------------------------
. reg COST N
Source | SS df MS Number of obs = 74
---------+------------------------------ F( 1, 72) = 46.82
Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000
Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940
---------+------------------------------ Adj R-squared = 0.3856
Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------
