ЗМІСТ
"1-3" ЗАВДАННЯ 1.
ЗАВДАННЯ 2.
ЗАВДАННЯ 3.
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
Номери результативного, факторного ознак, спостережень визначаються у відповідності з номером варіанту.
Завдання
1. Розрахуйте параметри парної лінійної регресії.
2. Оцініть тісноту зв'язку за допомогою показників кореляції і детермінації.
3. Оцініть з допомогою середньої помилки апроксимації якість рівнянь.
4. Оцініть статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
5. Розрахуйте прогнозне значення результату, якщо прогнозне значення фактору збільшиться на 10% від його середнього рівня ( ). Визначте довірчий інтервал прогнозу для рівня значимості .
6. Оцініть отримані результати, висновки оформіть в аналітичній записці.
Рішення
Для вирішення завдання складемо допоміжну таблицю:
1. Побудова рівняння регресії зводяться до оцінки її параметрів. Для оцінки параметрів регресії, лінійних за параметрами, використовують метод найменших квадратів (МНК). МНК дозволяє отримати такі оцінки параметрів, при яких сума квадратів відхилень фактичних значень результативної ознаки у від теоретичних мінімальна тобто
Для лінійних рівнянь, вирішується наступна система рівнянь:
Можна скористатися готовими формулами, які випливають з цієї системи:
Рівняння регресії:
2.Рассчітаем лінійний коефіцієнт парної кореляції:
Значення коефіцієнтів парної кореляції лежить в інтервалі від -1 до +1. його позитивне значення свідчить про прямий зв'язок, негативне - про зворотну, тобто коли зростає одна змінна, інша зменшується. Чим ближче значення до 1, тим тісніше зв'язок. Зв'язок вважається досить сильною, якщо коефіцієнт кореляції за абсолютною величиною перевищує 0,7, і слабкою, якщо менше 0,4. При рівності його нулю зв'язок повністю відсутній. Це коефіцієнт дає об'єктивну оцінку тісноти зв'язку лише при лінійній залежності змінних.
Розрахуємо коефіцієнт детермінації. Він показує частку варіації результативного ознаки, що знаходить під впливом досліджуваних факторів.
3. Підставляючи в рівняння регресії фактичні значення х, визначимо теоретичні (розрахункові) значення . Знайдемо величину середньої помилки апроксимації , Яка показує середнє відхилення розрахункових значеій від фактичних. Допустимий межа її значень 8-10%.
4. Розрахуємо F-критерій Фішера, який застосовується для оцінки якості рівняння регресії. Виконується порівняння Fфакт і критичного (табличного) Fтабл значень F-критерію Фішера. Якщо табличне значення менше фактичного, то визнається статистична значимість і надійність характеристик, якщо навпаки, то визнається статистична незначимість, ненадійність рівняння регресії.:
Розрахуємо t-критерій Стьюдента, застосовуваний для оцінки статистичної значущості коефіцієнтів регресії і кореляції. Якщо табличне значення показника менше фактичного, то значення коефіцієнтів не випадково відрізняються від нуля і сформувалися під впливом систематично діючого фактора х, Якщо навпаки, то визнається випадкова природа формування коефіцієнтів.
для числа ступенів свободи і .
Визначимо випадкові помилки:
тоді
Розрахуємо довірчий інтервал для a і b. Для цього визначимо граничну помилку для кожного показника:
Довірчі інтервали:
Якщо в межі довірчого інтервалу потрапляє нуль, тобто нижня межа негативна, а верхня позитивна, то оцінюваний параметр визнається нульовим, тому що він не може одночасно приймати негативне позитивне значення.
5. Отримані оцінки рівняння регресії дозволяють використовувати його для прогнозу. Якщо прогнозне значення фактора складе тоді прогнозне значення результату буде
Помилка прогнозу становитиме:
Гранична помилка прогнозу:
Довірчий інтервал прогнозу:
6. Аналітична записка:
Лінійний коефіцієнт парної кореляції дорівнює 0,484, отже зв'язок досліджуваних явищ є помірною, прямий.
Коефіцієнт детермінації дорівнює 0,234, тобто варіація результату на 23,4% пояснюється варіацією чинника х.
Середня помилка апроксимації дорівнює 4,010%, що потрапляє в допустиму межу значень 8-10% і говорить про те, що розрахункові значення відхиляються від фактичних приблизно на 4%.
Отримане значення F-критерію перевищує табличне, отже параметри рівняння і показника тісноти статистично незначущі.
Отримані значення t-критерію показують, що параметри a і b статистично незначущі, тому що їх фактичні значення t-критерію менше табличного. А коефіцієнт парної кореляції статистично значимий, тому що фактичне значення його t-критерію більше табличного.
Визначення довірчих інтервалів показало, що параметр b є статистично незначущим і дорівнює нулю, тому що в межі його довірчого інтервалу потрапляє нуль:
Завдання слід вирішити за допомогою ППП MS EXCEL або будь-якого іншого статистичного пакета прикладних програм.
Завдання.
1. Побудуйте матрицю парних коефіцієнтів кореляції. Встановіть які фактори мультиколінеарності.
2. Побудуйте рівняння множинної регресії в лінійній формі з повним набором факторів.
3. Оцініть статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
4. Відберіть інформативні фактори по пунктах 1 і 3. Побудуйте рівняння регресії зі статистично значимими факторами.
5. Оцініть отримані результати, висновки оформіть в аналітичній записці.
Рішення.
Для проведення кореляційного аналізу скористаємося програмою «Excel»:
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 1);
Рис. 1 Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 2) вибрати «Кореляція;
Рис. 2. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Кореляція» (рис. 3) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 3. Діалогове вікно «Кореляція».
У результаті отримаємо:
Аналіз отриманих коефіцієнтів парної кореляції показує, що залежна змінна, тобто бонітіровочний бал має слабку прямий зв'язок з усіма незалежними змінними, тому що значення коефіцієнтів парної кореляції нижче 0,4.
Мультиколінеарності відсутня
2.Для проведення регресійного аналізу, також використовуємо Excel.
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 4);
Рис. 4. Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 5) вибрати «Регресія»;
Рис. 5. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Регресія» (рис. 6) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 6. Діалогове вікно «Регресія».
У результаті отримаємо:
"1-3" ЗАВДАННЯ 1.
ЗАВДАННЯ 2.
ЗАВДАННЯ 3.
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
ЗАВДАННЯ 1.
За даними наведеними в таблиці, вивчається залежність результативної ознаки (У) від факторного (У).Номери результативного, факторного ознак, спостережень визначаються у відповідності з номером варіанту.
№ п / п | Запаси вологи в грунті, мм | Бонітіровочний бал |
Номер ознаки | Х | У |
1 | 144 | 75 |
2 | 110 | 54 |
3 | 110 | 61 |
4 | 177 | 64 |
5 | 186 | 72 |
6 | 112 | 69 |
7 | 148 | 79 |
8 | 151 | 73 |
9 | 110 | 60 |
10 | 151 | 72 |
11 | 131 | 54 |
12 | 113 | 77 |
13 | 110 | 57 |
14 | 127 | 72 |
15 | 136 | 72 |
16 | 136 | 67 |
17 | 144 | 72 |
18 | 100 | 55 |
19 | 148 | 68 |
20 | 129 | 68 |
Завдання
1. Розрахуйте параметри парної лінійної регресії.
2. Оцініть тісноту зв'язку за допомогою показників кореляції і детермінації.
3. Оцініть з допомогою середньої помилки апроксимації якість рівнянь.
4. Оцініть статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
5. Розрахуйте прогнозне значення результату, якщо прогнозне значення фактору збільшиться на 10% від його середнього рівня (
6. Оцініть отримані результати, висновки оформіть в аналітичній записці.
Рішення
Для вирішення завдання складемо допоміжну таблицю:
№ п / п | Запаси вологи в грунті, мм | Бонітіровочний бал | ||||||||
х | у | ху | х 2 | у 2 | ||||||
1 | 144 | 75 | 10800 | 20736 | 5625 | 68,798 | 6,202 | 38,465 | 10,350 | 107,123 |
2 | 110 | 54 | 5940 | 12100 | 2916 | 63,256 | -9,256 | 85,674 | -23,650 | 559,323 |
3 | 110 | 61 | 6710 | 12100 | 3721 | 63,256 | -2,256 | 5,090 | -23,650 | 559,323 |
4 | 177 | 64 | 11328 | 31329 | 4096 | 74,177 | -10,177 | 103,571 | 43,350 | 1879,223 |
5 | 186 | 72 | 13392 | 34596 | 5184 | 75,644 | -3,644 | 13,279 | 52,350 | 2740,523 |
6 | 112 | 69 | 7728 | 12544 | 4761 | 63,582 | 5,418 | 29,355 | -21,650 | 468,723 |
7 | 148 | 79 | 11692 | 21904 | 6241 | 69,45 | 9,55 | 91,202 | 14,350 | 205,923 |
8 | 151 | 73 | 11023 | 22801 | 5329 | 69,939 | 3,061 | 9,370 | 17,350 | 301,023 |
9 | 110 | 60 | 6600 | 12100 | 3600 | 63,256 | -3,256 | 10,602 | -23,650 | 559,323 |
10 | 151 | 72 | 10872 | 22801 | 5184 | 69,939 | 2,061 | 4,248 | 17,350 | 301,023 |
11 | 131 | 54 | 7074 | 17161 | 2916 | 66,679 | -12,679 | 160,757 | -2,650 | 7,023 |
12 | 113 | 77 | 8701 | 12769 | 5929 | 63,745 | 13,255 | 175,695 | -20,650 | 426,423 |
13 | 110 | 57 | 6270 | 12100 | 3249 | 63,256 | -6,256 | 39,138 | -23,650 | 559,323 |
14 | 127 | 72 | 9144 | 16129 | 5184 | 66,027 | 5,973 | 35,677 | -6,650 | 44,223 |
15 | 136 | 72 | 9792 | 18496 | 5184 | 67,494 | 4,506 | 20,304 | 2,350 | 5,522 |
16 | 136 | 67 | 9112 | 18496 | 4489 | 67,494 | -0,494 | 0,244 | 2,350 | 5,522 |
17 | 144 | 72 | 10368 | 20736 | 5184 | 68,798 | 3,202 | 10,253 | 10,350 | 107,123 |
18 | 100 | 55 | 5500 | 10000 | 3025 | 61,626 | -6,626 | 43,904 | -33,650 | 1132,323 |
19 | 148 | 68 | 10064 | 21904 | 4624 | 69,45 | -1,45 | 2,103 | 14,350 | 205,923 |
20 | 129 | 68 | 8772 | 16641 | 4624 | 66,353 | 1,647 | 2,713 | -4,650 | 21,623 |
разом | 2673 | 1341 | 180882 | 367443 | 91065 | 1342,22 | -1,219 | 881,640 | 10,500 | 110,250 |
Сер. Знач | 133,65 | 67,05 | 9044,1 | 18372,2 | 4553,25 | |||||
509,827 | 57,548 | |||||||||
22,579 | 7,586 |
Для лінійних рівнянь, вирішується наступна система рівнянь:
Можна скористатися готовими формулами, які випливають з цієї системи:
Рівняння регресії:
2.Рассчітаем лінійний коефіцієнт парної кореляції:
Значення коефіцієнтів парної кореляції лежить в інтервалі від -1 до +1. його позитивне значення свідчить про прямий зв'язок, негативне - про зворотну, тобто коли зростає одна змінна, інша зменшується. Чим ближче значення до 1, тим тісніше зв'язок. Зв'язок вважається досить сильною, якщо коефіцієнт кореляції за абсолютною величиною перевищує 0,7, і слабкою, якщо менше 0,4. При рівності його нулю зв'язок повністю відсутній. Це коефіцієнт дає об'єктивну оцінку тісноти зв'язку лише при лінійній залежності змінних.
Розрахуємо коефіцієнт детермінації. Він показує частку варіації результативного ознаки, що знаходить під впливом досліджуваних факторів.
3. Підставляючи в рівняння регресії фактичні значення х, визначимо теоретичні (розрахункові) значення
4. Розрахуємо F-критерій Фішера, який застосовується для оцінки якості рівняння регресії. Виконується порівняння Fфакт і критичного (табличного) Fтабл значень F-критерію Фішера. Якщо табличне значення менше фактичного, то визнається статистична значимість і надійність характеристик, якщо навпаки, то визнається статистична незначимість, ненадійність рівняння регресії.:
Розрахуємо t-критерій Стьюдента, застосовуваний для оцінки статистичної значущості коефіцієнтів регресії і кореляції. Якщо табличне значення показника менше фактичного, то значення коефіцієнтів не випадково відрізняються від нуля і сформувалися під впливом систематично діючого фактора х, Якщо навпаки, то визнається випадкова природа формування коефіцієнтів.
Визначимо випадкові помилки:
тоді
Розрахуємо довірчий інтервал для a і b. Для цього визначимо граничну помилку для кожного показника:
Довірчі інтервали:
Якщо в межі довірчого інтервалу потрапляє нуль, тобто нижня межа негативна, а верхня позитивна, то оцінюваний параметр визнається нульовим, тому що він не може одночасно приймати негативне позитивне значення.
5. Отримані оцінки рівняння регресії дозволяють використовувати його для прогнозу. Якщо прогнозне значення фактора складе
Помилка прогнозу становитиме:
Гранична помилка прогнозу:
Довірчий інтервал прогнозу:
6. Аналітична записка:
Лінійний коефіцієнт парної кореляції дорівнює 0,484, отже зв'язок досліджуваних явищ є помірною, прямий.
Коефіцієнт детермінації дорівнює 0,234, тобто варіація результату на 23,4% пояснюється варіацією чинника х.
Середня помилка апроксимації дорівнює 4,010%, що потрапляє в допустиму межу значень 8-10% і говорить про те, що розрахункові значення відхиляються від фактичних приблизно на 4%.
Отримане значення F-критерію перевищує табличне, отже параметри рівняння і показника тісноти статистично незначущі.
Отримані значення t-критерію показують, що параметри a і b статистично незначущі, тому що їх фактичні значення t-критерію менше табличного. А коефіцієнт парної кореляції статистично значимий, тому що фактичне значення його t-критерію більше табличного.
Визначення довірчих інтервалів показало, що параметр b є статистично незначущим і дорівнює нулю, тому що в межі його довірчого інтервалу потрапляє нуль:
ЗАВДАННЯ 2.
За даними, наведеними в таблиці, вивчається залежність бонітіровочного бали (У) від трьох чинників. № п / п | Внесено мінеральних добрив на посівну площу, ц | Коефіцієнт зносу основних засобів | Запаси вологи в грунті, мм | Бонітіровочний бал |
Х1 | Х2 | Х3 | У | |
1 | 13,9 | 57,6 | 144 | 75 |
2 | 8,8 | 41,6 | 110 | 54 |
3 | 4 | 66,5 | 110 | 61 |
4 | 0,01 | 52,8 | 177 | 64 |
5 | 4,2 | 51,6 | 186 | 72 |
6 | 0,7 | 37,3 | 112 | 69 |
7 | 6,7 | 44,2 | 148 | 79 |
8 | 15,9 | 46,3 | 151 | 73 |
9 | 1,9 | 39,6 | 110 | 60 |
10 | 1,9 | 28,3 | 151 | 72 |
11 | 0,01 | 64,6 | 131 | 54 |
12 | 0,01 | 49,4 | 113 | 77 |
13 | 0,01 | 58,4 | 110 | 57 |
14 | 1,2 | 58,9 | 127 | 72 |
15 | 0,01 | 49,6 | 136 | 72 |
16 | 0,01 | 51,9 | 136 | 67 |
17 | 3,7 | 49,7 | 144 | 72 |
18 | 0,01 | 37,6 | 100 | 55 |
19 | 0,01 | 50,3 | 148 | 68 |
20 | 1,6 | 43,2 | 129 | 68 |
21 | 2,5 | 36,2 | 125 | 73 |
22 | 0,01 | 53,5 | 113 | 61 |
23 | 6,3 | 49,6 | 129 | 70 |
24 | 0,01 | 54,3 | 168 | 70 |
25 | 13,1 | 42,9 | 125 | 69 |
26 | 0,4 | 31,1 | 125 | 75 |
27 | 0,01 | 49,7 | 131 | 47 |
28 | 0,8 | 24,6 | 146 | 70 |
29 | 0,01 | 58,7 | 88 | 66 |
30 | 0,01 | 56,3 | 127 | 66 |
31 | 0,5 | 48,4 | 113 | 69 |
32 | 0,01 | 50,6 | 151 | 68 |
33 | 2,3 | 49,4 | 129 | 68 |
34 | 0,01 | 56,8 | 177 | 67 |
35 | 0,01 | 40,1 | 131 | 46 |
Завдання.
1. Побудуйте матрицю парних коефіцієнтів кореляції. Встановіть які фактори мультиколінеарності.
2. Побудуйте рівняння множинної регресії в лінійній формі з повним набором факторів.
3. Оцініть статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
4. Відберіть інформативні фактори по пунктах 1 і 3. Побудуйте рівняння регресії зі статистично значимими факторами.
5. Оцініть отримані результати, висновки оформіть в аналітичній записці.
Рішення.
Для проведення кореляційного аналізу скористаємося програмою «Excel»:
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 1);
Рис. 1 Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 2) вибрати «Кореляція;
Рис. 2. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Кореляція» (рис. 3) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 3. Діалогове вікно «Кореляція».
У результаті отримаємо:
Х1 | Х2 | Х3 | У | |
Х1 | 1 | |||
Х2 | -0,03376 | 1 | ||
Х3 | 0,098684 | 0,033191 | 1 | |
У | 0,26943 | -0,13538 | 0,312057 | 1 |
Мультиколінеарності відсутня
2.Для проведення регресійного аналізу, також використовуємо Excel.
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 4);
Рис. 4. Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 5) вибрати «Регресія»;
Рис. 5. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Регресія» (рис. 6) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 6. Діалогове вікно «Регресія».
У результаті отримаємо:
ВИСНОВОК ПІДСУМКІВ | ||||||||
Регресійна статистика | ||||||||
Множинний R | 0,416713 | |||||||
R-квадрат | 0,17365 | |||||||
Нормований R-квадрат | 0,09368 | |||||||
Стандартна помилка | 7,58219 | |||||||
Спостереження | 35 | |||||||
Дисперсійний аналіз | ||||||||
df | SS | MS | F | Значимість F | ||||
Регресія | 3 | 374,508 | 124,836 | 2,171453 | 0,111346483 | |||
Залишок | 31 | 1782,178 | 57,4896 | |||||
Разом | 34 | 2156,686 | ||||||
Коефіцієнти | Стандартна помилка | t-статистика | P-Значення | Нижні 95% | Верхні 95% | Нижні 95,0% | Верхні 95,0% | |
Y-перетин | 56,84826 | 10,01268 | 5,677626 | 3,08 E-06 | 36,42724917 | 77,26927 | 36,42725 | 77,26927 |
Х1 | 0,440965 | 0,306967 | 1,436523 | 0,16087 | -0,185098139 | 1,067027 | -0,1851 | 1,067027 |
Х2 | -0,11314 | 0,13485 | -0,83899 | 0,407899 | -0,388166847 | 0,161891 | -0,38817 | 0,161891 |
Х3 | 0,104629 | 0,058561 | 1,786669 | 0,083775 | -0,014806871 | 0,224065 | -0,01481 | 0,224065 |
Рівняння регресії отримане за допомогою Excel, має вигляд:
3. За даними проведеного кореляційного і регресійного аналізу оцінимо статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
Загальний F-критерій перевіряє гіпотезу про статистичну значимість рівняння регресії. Аналіз виконується при порівнянні фактичного і табличного значення F-критерію Фішера.
Приватні F-критерії оцінюють статистичну значущість присутності факторів у рівнянні регресії, оцінюють доцільність включення в рівняння одного фактора після другого.
t-критерій перевіряє гіпотезу про статистичну значимість факторів рівняння регресії.
4. Згідно з проведеним аналізом інформативними факторами є х 1 і х 2, а також коефіцієнти b 1 і b 2. Отже рівняння регресії зі статистично значимими факторами буде мати вигляд:
5. Аналітична записка.
За результатами проведеного кореляційного аналізу можна сказати, що межфакторная зв'язок слабка, тому що значення коефіцієнтів парної кореляції не перевищують значення 0,4, хоча можна сказати, що найбільша зв'язок результативного ознаки з і .
Мультиколінеарності відсутній, бо ні одне значення коефіцієнтів не перевищує 0,7.
Фактичне значення F-критерію Фішера менше табличного, отже можна сказати, що отримане рівняння регресії статистично незначимо.
За отриманими значеннями приватних F-критеріїв Фішера, можна сказати, що включення фактора х 2 після х 3 виявився статистично незначущим: приріст факторної дисперсії (у розрахунку на одну ступінь свободи) виявився несуттєвим. Отже, регресійна модель залежності бонітіровочного бала від кількості мінеральних добрив, внесених у грунт і запасів вологи в грунті є достатньо статистично значущою і що немає необхідності покращувати її, включаючи додатковий фактор х 2 (коефіцієнт зносу основних засобів).
Це припущення підтверджує оцінка за допомогою t-критерію Стьюдента значущості коефіцієнтів. За результатами цієї оцінки:
тобто можна сказати, що b 2 і b 3 статистично незначущі.
У сукупності з результатами F-статистики, робимо висновок, що з рівняння регресії можна виключити х 2 і b 2.
Завдання слід виконати за допомогою ППП MS EXCEL або будь-якого статистичного пакета прикладних програм.
Завдання.
Необхідно проаналізувати ступінь залежності врожайності У від чинників Х1 і Х2, для цього:
1. Визначити для кожного ряду даних У, Х1, Х2 перший різниці (абсолютні прирости).
2. Розрахувати параметри двофакторного лінійного рівняння регресії по перших разностям (за абсолютними приростам) і дати їх інтерпретацію. Охарактеризувати тісноту зв'язку між рядами.
3. Оцінити отримані результати, висновки оформити у вигляді аналітичної записки.
Рішення.
1. Значення абсолютних приростів визначаються за формулами:
Розрахунки можна оформити у вигляді таблиці:
2. Для проведення кореляційного аналізу скористаємося програмою «Excel»:
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 7);
Рис. 7 Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 8) вибрати «Кореляція;
Рис. 8. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Кореляція» (рис. 9) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 9. Діалогове вікно «Кореляція».
У результаті отримаємо:
Аналіз отриманих коефіцієнтів парної кореляції показує, що залежна змінна, тобто врожайність має слабку прямий зв'язок з кількістю опадів ( ) І сильну прямий зв'язок з величиною внесення мінеральних добрив (
Мультиколінеарності відсутній, бо коефіцієнт парної кореляції , Що не перевищує значення 0,7-0,8.
2.Для проведення регресійного аналізу, також використовуємо Excel.
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 10);
Рис. 10. Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 11) вибрати «Регресія»;
Рис. 11. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Регресія» (рис. 12) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 12. Діалогове вікно «Регресія».
У результаті отримаємо:
3. За даними проведеного кореляційного і регресійного аналізу оцінимо статистичну значущість рівняння регресії та його параметрів з допомогою критеріїв Фішера і Стьюдента.
Загальний F-критерій перевіряє гіпотезу про статистичну значимість рівняння регресії. Аналіз виконується при порівнянні фактичного і табличного значення F-критерію Фішера.
Приватні F-критерії оцінюють статистичну значущість присутності факторів у рівнянні регресії, оцінюють доцільність включення в рівняння одного фактора після другого.
t-критерій перевіряє гіпотезу про статистичну значимість факторів рівняння регресії.
4. Згідно з проведеним аналізом інформативними факторами є х 1 і х 2, а також коефіцієнти b 1 і b 2. Отже рівняння регресії зі статистично значимими факторами буде мати вигляд:
5. Аналітична записка.
За результатами проведеного кореляційного аналізу можна сказати, що межфакторная зв'язок слабка, тому що значення коефіцієнтів парної кореляції не перевищують значення 0,4, хоча можна сказати, що найбільша зв'язок результативного ознаки з
Мультиколінеарності відсутній, бо ні одне значення коефіцієнтів не перевищує 0,7.
Фактичне значення F-критерію Фішера менше табличного, отже можна сказати, що отримане рівняння регресії статистично незначимо.
За отриманими значеннями приватних F-критеріїв Фішера, можна сказати, що включення фактора х 2 після х 3 виявився статистично незначущим: приріст факторної дисперсії (у розрахунку на одну ступінь свободи) виявився несуттєвим. Отже, регресійна модель залежності бонітіровочного бала від кількості мінеральних добрив, внесених у грунт і запасів вологи в грунті є достатньо статистично значущою і що немає необхідності покращувати її, включаючи додатковий фактор х 2 (коефіцієнт зносу основних засобів).
Це припущення підтверджує оцінка за допомогою t-критерію Стьюдента значущості коефіцієнтів. За результатами цієї оцінки:
тобто можна сказати, що b 2 і b 3 статистично незначущі.
У сукупності з результатами F-статистики, робимо висновок, що з рівняння регресії можна виключити х 2 і b 2.
ЗАВДАННЯ 3.
У таблиці наведено дані по природно-економічній зоні за 15 років про врожайність багаторічних трав на сіно У, внесення добрив на 1 га ріллі Х1 і опадах за травень-червень місяці Х2. номер року | у | х1 | х2 |
1 | 13,6 | 161 | 360 |
2 | 14,1 | 170 | 223 |
3 | 13,2 | 188 | 144 |
4 | 18,6 | 209 | 324 |
5 | 16,9 | 240 | 227 |
6 | 21 | 334 | 212 |
7 | 22,2 | 377 | 230 |
8 | 29,6 | 399 | 204 |
9 | 31,3 | 404 | 156 |
10 | 32,1 | 451 | 200 |
11 | 26,7 | 501 | 163 |
12 | 32,8 | 538 | 315 |
13 | 31,4 | 579 | 280 |
14 | 31 | 600 | 251 |
15 | 26,1 | 614 | 386 |
Завдання.
Необхідно проаналізувати ступінь залежності врожайності У від чинників Х1 і Х2, для цього:
1. Визначити для кожного ряду даних У, Х1, Х2 перший різниці (абсолютні прирости).
2. Розрахувати параметри двофакторного лінійного рівняння регресії по перших разностям (за абсолютними приростам) і дати їх інтерпретацію. Охарактеризувати тісноту зв'язку між рядами.
3. Оцінити отримані результати, висновки оформити у вигляді аналітичної записки.
Рішення.
1. Значення абсолютних приростів визначаються за формулами:
Розрахунки можна оформити у вигляді таблиці:
Номер року | |||
1 | |||
2 | 0,5 | 9 | -137 |
3 | -0,9 | 18 | -79 |
4 | 5,4 | 21 | 180 |
5 | -1,7 | 31 | -97 |
6 | 4,1 | 94 | -15 |
7 | 1,2 | 43 | 18 |
8 | 7,4 | 22 | -26 |
9 | 1,7 | 5 | -48 |
10 | 0,8 | 47 | 44 |
11 | -5,4 | 50 | -37 |
12 | 6,1 | 37 | 152 |
13 | -1,4 | 41 | -35 |
14 | -0,4 | 21 | -29 |
15 | -4,9 | 14 | 135 |
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 7);
Рис. 7 Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 8) вибрати «Кореляція;
Рис. 8. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Кореляція» (рис. 9) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 9. Діалогове вікно «Кореляція».
У результаті отримаємо:
1 | |||
0,849962 | 1 | ||
0,154498 | 0,381125 | 1 |
Мультиколінеарності відсутній, бо коефіцієнт парної кореляції
2.Для проведення регресійного аналізу, також використовуємо Excel.
1) завантажити середу Excel;
2) виділити робоче поле таблиці;
3) вибрати пункт меню «Сервіс» і в меню вибрати «Аналіз даних» (рис. 10);
Рис. 10. Меню «Сервіс».
4) у діалоговому вікні «Аналіз даних» (рис. 11) вибрати «Регресія»;
Рис. 11. Діалогове вікно «Аналіз даних».
5) у діалоговому вікні «Регресія» (рис. 12) переконатися, що всі проставлені в ньому установки відповідають таблиці вихідних даних. Після виконання цих операцій натиснути клавішу «ОК»;
Рис. 12. Діалогове вікно «Регресія».
У результаті отримаємо:
ВИСНОВОК ПІДСУМКІВ | ||||||||
Регресійна статистика | ||||||||
Множинний R | 0,869497573 | |||||||
R-квадрат | 0,756026029 | |||||||
Нормований R-квадрат | 0,711667125 | |||||||
Стандартна помилка | 3,770480303 | |||||||
Спостереження | 14 | |||||||
Дисперсійний аналіз | ||||||||
df | SS | MS | F | Значимість F | ||||
Регресія | 2 | 484,595404 | 242,297702 | 17,04338845 | 0,000426962 | |||
Залишок | 11 | 156,3817388 | 14,21652171 | |||||
Разом | 13 | 640,9771429 | ||||||
Коефіцієнти | Стандартна помилка | t-статистика | P-Значення | Нижні 95% | Верхні 95% | Нижні 95,0% | Верхні 95,0% | |
Y-перетин | -1,295421622 | 3,285114475 | -0,39433074 | 0,700874404 | -8,525913487 | 5,935070243 | -8,525913487 | 5,935070243 |
Змінна X 1 | 0,04178195 | 0,00727214 | 5,745482249 | 0,000129227 | 0,02577607 | 0,05778783 | 0,02577607 | 0,05778783 |
Змінна X 2 | -0,020154418 | 0,016377196 | -1,230639128 | 0,244124417 | -0,056200401 | 0,015891565 | -0,056200401 | 0,015891565 |
Рівняння регресії отримане за допомогою Excel, має вигляд:
3. Аналітична записка.
За даними регресійного аналізу можна сказати:
- Тому що коефіцієнт детермінації дорівнює 0,756, то варіація результату на 75,6% пояснюється варіацією факторів.
- F-критерій дорівнює 17,043, його табличне значення 3,98. тому що фактичне значення перевищує табличне, то робимо висновок, що отриманої рівняння регресії статистично значимо.
1. Федеральний закон «Про бухгалтерський облік» від 21.11.96 р., № 129-ФЗ. - М., 1996.
2. Концепція бухгалтерського обліку в ринковій економіці Росії. Схвалено Методологічною радою з бухгалтерського обліку при Міністерстві фінансів РФ і Президентською радою Інституту професійних бухгалтерів 29.12.97 р. - М., 1997.
3. План рахунків бухгалтерського обліку фінансово-господарської діяльності організацій та інструкція по його застосуванню. Затверджено наказом Мінфіну РФ від 31.10.2000 р. № 94н.
4. Абрютина М.С. Грачов А.В. Аналіз фінансово-господарської діяльності підприємства. - М.: Фінанси і статистика, 2002. - 428 с.
5. Бережна О.В., Бережний В.І. Математичні методи моделювання економічних систем. - М.: Фінанси і статистика, 2003. - 368 с.
6. Вакуленко Т.Г., Фоміна Л.Ф. Аналіз бухгалтерської (фінансової) звітності для прийняття управлінських рішень. - СПб.: «Видавничий дім Герда», 2003. - 288 с.
7. Вендров А.М. Проектування програмного забезпечення економічних інформаційних систем. - М.: Фінанси і статистика, 2000. - 352 с.
8. Доугерті К. Введення в економетрику. - М.: ИНФРА-М, 2001.-402 с.
9. Єлісєєва І.І. Економетрика. - М.: «Фінанси та статистика», 2004 р . - 344 с.
10. Єлісєєва І.І. Практикум з економетрики. - М.: «Фінанси та статистика», 2004 р . - 192 с.
11. Єфімова О.В. Фінансовий аналіз. - М.: Фінанси і статистика, 2002. - 656 с.
12. Колеман В.А. Математичні методи прийняття рішень в економіці. - М.: ЗАТ «Финстатинформ», 1999. - 386 с.
3. Аналітична записка.
За даними регресійного аналізу можна сказати:
- Тому що коефіцієнт детермінації дорівнює 0,756, то варіація результату на 75,6% пояснюється варіацією факторів.
- F-критерій дорівнює 17,043, його табличне значення 3,98. тому що фактичне значення перевищує табличне, то робимо висновок, що отриманої рівняння регресії статистично значимо.
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
1. Федеральний закон «Про бухгалтерський облік» від 21.11.96 р., № 129-ФЗ. - М., 1996.
2. Концепція бухгалтерського обліку в ринковій економіці Росії. Схвалено Методологічною радою з бухгалтерського обліку при Міністерстві фінансів РФ і Президентською радою Інституту професійних бухгалтерів 29.12.97 р. - М., 1997.
3. План рахунків бухгалтерського обліку фінансово-господарської діяльності організацій та інструкція по його застосуванню. Затверджено наказом Мінфіну РФ від 31.10.2000 р. № 94н.
4. Абрютина М.С. Грачов А.В. Аналіз фінансово-господарської діяльності підприємства. - М.: Фінанси і статистика, 2002. - 428 с.
5. Бережна О.В., Бережний В.І. Математичні методи моделювання економічних систем. - М.: Фінанси і статистика, 2003. - 368 с.
6. Вакуленко Т.Г., Фоміна Л.Ф. Аналіз бухгалтерської (фінансової) звітності для прийняття управлінських рішень. - СПб.: «Видавничий дім Герда», 2003. - 288 с.
7. Вендров А.М. Проектування програмного забезпечення економічних інформаційних систем. - М.: Фінанси і статистика, 2000. - 352 с.
8. Доугерті К. Введення в економетрику. - М.: ИНФРА-М, 2001.-402 с.
9. Єлісєєва І.І. Економетрика. - М.: «Фінанси та статистика»,
10. Єлісєєва І.І. Практикум з економетрики. - М.: «Фінанси та статистика»,
11. Єфімова О.В. Фінансовий аналіз. - М.: Фінанси і статистика, 2002. - 656 с.
12. Колеман В.А. Математичні методи прийняття рішень в економіці. - М.: ЗАТ «Финстатинформ», 1999. - 386 с.