Файл: Необходимо Вычислить выборочное среднее по первым 25 значениям, вычислить выборочное среднее по всему объему выборки. Сравнить.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 27.04.2024
Просмотров: 15
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Для нахождения коэффициентов составим систему уравнений:
Решив систему, получим:
Модель имеет вид:
При увеличении ввода в действие основных фондов на 1% (от стоимости фондов на конец года) выработка продукции на одного работника увеличится в среднем на 1,45 тыс.руб.
– определим коэффициент парной линейной корреляции и коэффициент детерминации полученной модели
Коэффициент парной линейной корреляции:
Линейная связь междувыработкой продукции на одного работника y(тыс. руб.) и вводом в действие новых основных фондов (% от стоимости фондов на конец года) сильная.
Коэффициент детерминации:
Полученная линейная модель на 97% объясняет изменение (выработка продукции на одного работника, тыс.руб. изменением (ввод в действие новых основных фондов в % от стоимости фондов на конец года). Остальные 3% изменений y объясняются неучтенными в модели признаками.
– проверим значимость построенной модели по статистике Фишера, используя уровень значимости α = 0,05
F- статистика Фишера:
- построенная линейная модель регрессии статистически значима.
– дадим оценку коэффициентам парной линейной регрессии на основе t-критерия Стьюдента
Составим расчетную таблицу 8.
Таблица 8
№ | | | | | | |
1 | 6 | 3,6 | 5,954 | 0,002 | 7,022 | 0,01 |
2 | 6 | 3,6 | 5,954 | 0,002 | 7,022 | 0,01 |
3 | 6 | 3,9 | 6,389 | 0,151 | 5,523 | 0,06 |
4 | 7 | 4,1 | 6,679 | 0,103 | 4,623 | 0,05 |
5 | 7 | 3,9 | 6,389 | 0,373 | 5,523 | 0,09 |
6 | 7 | 4,5 | 7,260 | 0,068 | 3,063 | 0,04 |
7 | 8 | 5,3 | 8,421 | 0,177 | 0,902 | 0,05 |
8 | 8 | 5,3 | 8,421 | 0,177 | 0,902 | 0,05 |
9 | 9 | 5,6 | 8,857 | 0,021 | 0,422 | 0,02 |
10 | 10 | 6,8 | 10,598 | 0,358 | 0,303 | 0,06 |
11 | 9 | 6,3 | 9,873 | 0,761 | 0,003 | 0,10 |
12 | 11 | 6,4 | 10,018 | 0,965 | 0,023 | 0,09 |
13 | 11 | 7 | 10,889 | 0,012 | 0,563 | 0,01 |
14 | 12 | 7,5 | 11,614 | 0,149 | 1,563 | 0,03 |
15 | 12 | 7,9 | 12,195 | 0,038 | 2,723 | 0,02 |
16 | 13 | 8,2 | 12,630 | 0,137 | 3,803 | 0,03 |
17 | 13 | 8 | 12,340 | 0,436 | 3,063 | 0,05 |
18 | 13 | 8,6 | 13,211 | 0,044 | 5,523 | 0,02 |
19 | 14 | 9,5 | 14,517 | 0,267 | 10,563 | 0,04 |
20 | 14 | 9 | 13,791 | 0,044 | 7,563 | 0,01 |
Сумма | 196 | 125 | 196,0 | 4,286 | 70,69 | 0,82 |
Стандартные ошибки параметров регрессии:
t-статистики:
– коэффициент статистически не значим на уровне значимости 0,05;
– коэффициент статистически значим на уровне значимости 0,05.
– проверим адекватность полученной регрессионной модели.
Полученное расчетное значение F-критерия Фишера значительно превосходит критическое, коэффициент регрессии статистически значим.
Определим среднюю ошибку аппроксимации:
Полученное значение средней ошибки аппроксимации свидетельствует о хорошем подборе модели к исходным данным.
Таким образом, построенная модель в целом можно считать адекватной.
В. Изучение основ регрессионного анализа. Построение модели множественной линейной регрессии
- получим линейное уравнение множественной регрессии, выбрав в качестве зависимой переменной – Y, в качестве независимых переменных Xi
Построим модель множественной линейной регрессии вида с помощью инструмента Анализ данных - Регрессия в Excel (рис.5)
Рис. 5
Модель множественной линейной регрессии имеет вид:
– определим коэффициент множественной корреляции и коэффициент детерминации полученной модели (рис.6).
Рис. 6
,
Коэффициент множественной корреляции характеризует совокупное влияние всех независимых переменных на зависимую переменную в модели множественной регрессии. В нашем случае, совокупная взаимосвязь между выработкой продукции на одного работника y (тыс. руб.) и вводом в действие новых основных фондов x1 (% от стоимости фондов на конец года) и удельным весом рабочих высокой квалификации в общей численности рабочих x2 (%) сильная.
Коэффициент детерминации показывает какая доля дисперсии зависимой переменной объясняется влиянием независимых переменных. В нашем случае 97,4% дисперсии выработки продукции на одного работника y (тыс. руб.) объясняется влиянием признаков x1 (вводом в действие новых основных фондов в % от стоимости фондов на конец года) и x2 (удельный вес рабочих высокой квалификации в общей численности рабочих в %), а 2,6 % неучтенными в модели признаками.
– проверим значимость построенной модели по статистике Фишера, используя уровень значимости α = 0,05
F-статистика (рис.7):
Рис.7
Уравнение регрессии статистически значимо на уровне значимости 0,05
– дадим оценку коэффициентам множественной регрессии на основе t-критерия Стьюдента
t – статистики (рис.8)
Рис.8
– коэффициент статистически не значим на уровне значимости 0,05
– коэффициент статистически значим на уровне значимости 0,05
– коэффициент статистически не значим на уровне значимости 0,05
– пересчитаем уравнение множественной регрессии, используя только значимый фактор с помощью инструмента Анализ данных-Регрессия в Excel (рис.9)
Рис. 9
В пункте Б установлено, что построенную модель в целом можно считать адекватной.