Файл: Имеются данные об объёмах продаж (Y, тыс шт.), затратах на рекламу (X1, тыс ден ед.) и затраты на сырье (X2, тыс ден ед.) для пяти предприятий за 20202021 года ().docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.04.2024
Просмотров: 7
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Имеются данные об объёмах продаж (Y, тыс.шт.), затратах на рекламу (X1, тыс. ден. ед.) и затраты на сырье (X2, тыс. ден. ед.) для пяти предприятий за 2020-2021 года (таблица 1).
Таблица 1 - Исходные данные
Исходные данные | ||||
| | | | |
| | | | |
ОАО « 8 Марта» | ОАО « 8 Марта» | ОАО « 8 Марта» | ОАО « 8 Марта» | ОАО « 8 Марта» |
| | | | |
«Восток | «Восток | «Восток | «Восток | «Восток |
Завод» Бел ЖД РУП | Завод» Бел ЖД РУП | Завод» Бел ЖД РУП | Завод» Бел ЖД РУП | Завод» Бел ЖД РУП |
| | | | |
| | | | |
ООО «ТАЛА» | ООО «ТАЛА» | ООО «ТАЛА» | ООО «ТАЛА» | ООО «ТАЛА» |
| | | | |
ООО «Синтез» | ООО «Синтез» | ООО «Синтез» | ООО «Синтез» | ООО «Синтез» |
| | | | |
| | | | |
| | | | |
ООО «ГАММА» | ООО «ГАММА» | ООО «ГАММА» | ООО «ГАММА» | ООО «ГАММА» |
| | | | |
Требуется построить однонаправленную модель с фиксированными эффектами зависимости объемов продаж У от факторов Х1 и Х2 .
2 Построение регрессионной модели по панельным данным и проверка адекватности модели в пакете STATISTICA
Модель имеет вид
Исходные данные представим в пакете STATISTICA, изображено на рисунке 3.
Рисунок 3 - Исходные данные
Оценки коэффициентов данной модели находятся при помощи анализа STATISTICI, изображенном на рисунке 4.
Рисунок 4 – Анализ STATISTICA
Выбираем переменные для построения модели с фиксированными эффектами зависимости , изображенные на рисунке 5.
Рисунок 5 – Выбор переменных для построения регрессии
регрессионная модель данный excel
На стартовой панели отображен диалог определения оценивания модели, выбрав итоговую таблицу регрессии, были получены оценки коэффициентов, изображенные на рисунке 6. Так же данная модель проверена на адекватность, представлена на рисунке 7.
Рисунок 6 – Результаты оценки множественной линейной регрессии с
фиктивными переменными
В таблице приведены значения остатков для уравнения регрессии
Рисунок 7 – Показатели адекватности уравнения регрессии с фиктивными переменными
Согласно данным, приведенным на рисунке 6 и рисунке 7, модель статистически значима по F-критерию Фишера, при этом R2=0.76, что указывает на высокую адекватность модели.
Задача 2
Необходимо исследовать зависимость заработной платы ( , тыс. руб.) от возраста (
, лет) и стажа по данной специальности ( , лет), используя данные наблюдений, приведенные в таблице 1. Построить регрессионную модель . Рассчитать значение заработной платы для работника в возрасте 35 лет со стажем работы по данной специальности 10 лет.
Таблица 1 – Данные наблюдений
ЗП | возраст | стаж |
984,48 | 28 | 10 |
974,45 | 26 | 8 |
1029,62 | 30 | 14 |
1048,86 | 35 | 15 |
1061,44 | 41 | 16 |
1073,42 | 45 | 17 |
928,07 | 27 | 3 |
1031,84 | 35 | 13 |
998,81 | 30 | 10 |
945,92 | 23 | 5 |
964,64 | 29 | 7 |
1011,18 | 33 | 11 |
1098,07 | 40 | 20 |
1133,82 | 41 | 24 |
967,97 | 41 | 6 |
907,61 | 23 | 2 |
1011,76 | 32 | 12 |
1028,62 | 37 | 13 |
966,15 | 31 | 7 |
983,7 | 30 | 9 |
После ввода исходных данных в Excel, рассчитываются корреляционная матрица и значимость коэффициентов корреляции.
Корреляционная матрица | | | |
| ЗП | возраст | стаж |
ЗП | 1 | | |
возраст | 0,794825 | 1 | 0,747928 |
стаж | 0,995338 | 0,747928 | 1 |
Значимость коэффициентов корреляции | | ||
tЗП, В набл. | 5,556924 | | |
tЗП, С набл. | 43,7846 | | |
tкр | 2,100922 | | |
После спецификации модели производится параметризация.
При помощи команды Сервис → Анализ данных → Регрессия создается еще один лист Excel c соответствующим именем.
Далее производится верификация модели, в частности общее качество уравнения. Для этого вычисляется критическое значение.
Далее находим нормальность распределения остатков с помощью пакета анализа данных.
ВЫВОД ОСТАТКА | | |
| | |
Наблюдение | Предсказанное ЗП | Остатки |
1 | 992,3248 | -7,8448 |
2 | 971,7141 | 2,73588 |
3 | 1031,487 | -1,86704 |
4 | 1045,911 | 2,949402 |
5 | 1061,364 | 0,076288 |
6 | 1074,758 | -1,33771 |
7 | 926,3648 | 1,705242 |
8 | 1027,359 | 4,480968 |
9 | 994,3839 | 4,426093 |
10 | 940,7981 | 5,121895 |
11 | 965,527 | -0,887 |
12 | 1006,748 | 4,431645 |
13 | 1097,437 | 0,63271 |
14 | 1135,57 | -1,74998 |
15 | 968,6059 | -0,63588 |
16 | 912,9708 | -5,36075 |
17 | 1014,995 | -3,23458 |
18 | 1029,418 | -0,79814 |
19 | 967,5861 | -1,43611 |
20 | 985,1081 | -1,40812 |
Расчет критерия Пирсона производится с помощью пакета анализа. Также выводим график.
Рассмотрим значимость коэффициентов регрессии, вычислим критическое значение.
Проведем центрирование остатков на том же листе «Регрессия».
Гомоскедастичность (гетероскедастичность) остатков рассчитывается на отедльном листе «Усорвие2» с помощью формул массива и пакета анализа.
Автокорреляция остатков производится на листе «Регрессия», Условие3.
Если критерии Дарбина-Уотсона не дает ответа о наличии автокорреляции, то можно воспользоваться визуальным способом анализа графика зависимости остатков от номера наблюдения, построенного с помощью диаграммы.
Для проведения анализа свойств модели рассмотрим мультиколлинеарность факторов: выявление зависимости объясняющих факторов.
Для проверки гипотезы об отсутствии мультиколлинеарности используется статистика хи-квадрат с степенями свободы, наблюдаемое значение которой определяется по формуле , где – определитель матрицы парных коэффициентов корреляции между факторами, n – количество наблюдений, p – число независимых переменных. Расссеты производятся на листе «Исходные данные».
Мультиколлинеарность | |
Определитель | 0,440604 |
хи-кв набл. | 19,53393 |
хи-кв кр. | 223,1602 |
Рассчитываем показатели эластичности. Для этого капируем коэффициенты стажа и возраста из листа «Регрессия».