Автор работы: Пользователь скрыл имя, 27 Марта 2015 в 14:04, лабораторная работа
Критическое значение F- статистики с количеством степеней свободы 5 и 47 при уровне значимости 0,05 равно 2,413. Условие F наблюдаемое? F критическое выполняется для всех переменных, кроме Х6. Гипотеза о значимости Х6 отвергается, если значение вероятности отклонения превышает заданный уровень p=0,4644 > 0,005, что свидетельствует о значимости. Из них выбираем наибольший и строим соответствующее уравнение регрессии.
Вариант 1_1
Корреляционный анализ
Значения данных
№ |
Y1 |
X5 |
Х6 |
Х12 |
X13 |
Х17 |
1 |
9,26 |
0,78 |
0,4 |
167,69 |
47750 |
17,72 |
2 |
9,38 |
0,75 |
0,26 |
186,1 |
50391 |
18,39 |
3 |
12,11 |
0,68 |
0,4 |
220,45 |
43149 |
26,46 |
… |
… |
… |
… |
… |
… |
… |
50 |
4,23 |
0,8 |
0,68 |
25,76 |
6235 |
11,64 |
51 |
5,22 |
0,83 |
0,03 |
29,52 |
11524 |
8,62 |
52 |
18 |
0,7 |
0,02 |
41,99 |
17309 |
20,1 |
53 |
11,03 |
0,74 |
0,22 |
78,11 |
22225 |
19,41 |
Y1 – производительность труда,
X5 — удельный вес рабочих в составе ППП;
Х6 — удельный вес покупных изделий;
Х12 — среднегодовая стоимость ОПФ;
X13 — среднегодовой фонд заработной платы ППП;
Х17 — непроизводственные расходы.
1. Определить оценки параметров шестимерного нормального закона распределения (векторы средних арифметических и среднеквадратичного отклонения, матрица парных коэффициентов корреляции).
Y1 |
X5 |
Х6 |
Х12 |
X13 |
Х17 | |
Y1 |
1 |
0,054841 |
0,151151 |
0,438404 |
0,434135 |
0,018075 |
X5 |
0,054841 |
1 |
-0,06874 |
0,239234 |
0,088278 |
-0,94023 |
Х6 |
0,151151 |
-0,06874 |
1 |
0,216014 |
0,21292 |
0,146753 |
Х12 |
0,438404 |
0,239234 |
0,216014 |
1 |
0,630806 |
-0,05363 |
X13 |
0,434135 |
0,088278 |
0,21292 |
0,630806 |
1 |
0,022873 |
Х17 |
0,018075 |
-0,94023 |
0,146753 |
-0,05363 |
0,022873 |
1 |
Means |
7,97038 |
0,73547 |
0,30113 |
91,87358 |
27528,16981 |
19,57038 |
Std.Dev. |
2,61022 |
0,05323 |
0,15520 |
92,36779 |
19450,72603 |
4,70245 |
Таблица содержит собственно матрицу коэффициентов парной корреляции (жирным выделены значимые коэффициенты, превыщающие по абсолюной величине 0,273 при уровне значимости р<0.05), строку Means средних арифметических, а также строку Std.Dev. несмещенных оценок среднеквадратического отклонения.
2. Получить оценку матрицы частных коэффициентов корреляции. Проверить значимость и найти интервальные оценки частных коэффициентов корреляции.
Матрица коэффициентов частной корреляции.
Y1 |
X5 |
Х6 |
Х12 |
X13 |
Х17 | |
Y1 |
1 |
-0,039731 |
0,042393 |
0,222954 |
0,217288 |
-0,03087 |
X5 |
-0,039731 |
1 |
0,104527 |
0,466371 |
-0,04457 |
-0,95614 |
Х6 |
0,042393 |
0,104527 |
1 |
0,047997 |
0,08416 |
0,145127 |
Х12 |
0,222954 |
0,466371 |
0,047997 |
1 |
0,491516 |
0,417973 |
X13 |
0,217288 |
-0,044569 |
0,084160 |
0,491516 |
1 |
-0,027676 |
Х17 |
-0,030873 |
-0,956144 |
0,145127 |
0,417973 |
-0,027676 |
1 |
3. Найти оценки шести множественных коэффициентов корреляции (детерминации). Проверить их значимость, предварительно выбрав уровень б.
R |
R2 |
F(5, 47) | |
Y1 |
0,486320 |
0,236507 |
2,91 |
X5 |
0,959649 |
0,920926 |
109,48 |
Х6 |
0 ,301420 |
0 ,090854 |
0,94 |
Х12 |
0,751079 |
0,564120 |
12,17 |
X13 |
0,660150 |
0,435798 |
7,26 |
Х17 |
0 ,957623 |
0,917042 |
103,91 |
Критическое значение F- статистики с количеством степеней свободы 5 и 47 при уровне значимости 0,05 равно 2,413. Условие F наблюдаемое? F критическое выполняется для всех переменных, кроме Х6. Гипотеза о значимости Х6 отвергается, если значение вероятности отклонения превышает заданный уровень p=0,4644 > 0,005, что свидетельствует о значимости. Из них выбираем наибольший и строим соответствующее уравнение регрессии.
4. Построить уравнение регрессии, выбрав в качестве результативного, показатель, которому соответствует наибольший множественный коэффициент корреляции.
Наибольшим значимым множественным коэффициентом корреляции обладает переменная X5. (R = 0,959649)
Regression Summary for Dependent Variable: X5 (new.sta) | ||||||
R= ,95964904 RІ= ,92092628 Adjusted RІ= ,91251418 | ||||||
F(5,47)=109,48 p<,00000 Std.Error of estimate: ,01574 | ||||||
St. Err. |
St. Err. |
|||||
BETA |
of BETA |
B |
of B |
t(47) |
p-level | |
Intercpt |
0,931885 |
0,011567 |
80,565095 |
0,000000 | ||
Y1 |
-0,012786 |
0,046905 |
-0,000261 |
0,000956 |
-0,272597 |
0,786357 |
Х6 |
0,030827 |
0,042782 |
0,010572 |
0,014672 |
0,720546 |
0,474758 |
Х12 |
0,198639 |
0,054957 |
0,000114 |
0,000032 |
3,614422 |
0,000731 |
X13 |
-0,016685 |
0,054553 |
0,000000 |
0,000000 |
-0,305855 |
0,761066 |
Х17 |
-0,933490 |
0,041711 |
-0,010566 |
0,000472 |
-22,379884 |
0,000000 |
Столбец B содержит коэффициенты при переменных. Итак, уравнение регрессии примет вид:
X5 = 0,931885 - 0,000261× Y1 + 0,010572× Х6 + 0,000114× Х12 –
0,010566× X17.
5. Дать интерпретацию полученным результатам корреляционного анализа.
На основании полученных расчётов можно сделать следующие выводы.
Доказана зависимость между удельным весом рабочих в составе ППП (X5) и производительностью труда (Y1), удельным весом покупных изделий (Х6), средней стоимостью ОПФ(Х12), непроизводственными расходами(Х17).
Среди всех рассматриваемых факторов лучше всего (на 96%) объясняется остальными удельный вес рабочих в составе ППП.
Из уравнения регрессии видно, что X5 на 92% зависит от всех показателей и на 8% от неучтённых факторов.
Из уравнения регрессии можно сделать вывод: при увеличении значения Y1 на единицу при неизменности остальных показателей, значение X5 уменьшится на 0,000261, аналогично и для других случаев, то есть:
при увеличении Х6 на единицу X5 увеличится на 0,010572,
при увеличении Х12 на единицу X5 увеличится на 0,000114,
при увеличении X17 на единицу Y3 уменьшится на 0,010566.
Регрессионный анализ
Значения данных
№ |
Y1 |
X5 |
Х6 |
Х12 |
X13 |
Х17 |
1 |
9,26 |
0,78 |
0,4 |
167,69 |
47750 |
17,72 |
2 |
9,38 |
0,75 |
0,26 |
186,1 |
50391 |
18,39 |
3 |
12,11 |
0,68 |
0,4 |
220,45 |
43149 |
26,46 |
… |
… |
… |
… |
… |
… |
… |
50 |
4,23 |
0,8 |
0,68 |
25,76 |
6235 |
11,64 |
51 |
5,22 |
0,83 |
0,03 |
29,52 |
11524 |
8,62 |
52 |
18 |
0,7 |
0,02 |
41,99 |
17309 |
20,1 |
53 |
11,03 |
0,74 |
0,22 |
78,11 |
22225 |
19,41 |
Будем считать, что Y1 и X5, X6, X12, X13, X17 связаны
линейной зависимостью:
Y1=β0+β5X5+β6X6+β12X12+β13X13+
Найдем в этом случае оценку уравнения регрессии.
Зависимая переменная: Y1.
Множественный коэффициент корреляции R = 0,486320
Множественный коэффициент детерминации R2 = 0,236507
Несмещенная оценка коэффициента детерминации
RІ = 0, 155284
Расчетное значение F-критерия F(5,47) = 2,9118 p < 0,02270
Стандартная ошибка оценки: 2,3990.
BETA |
St. Err. of BETA |
B |
St. Err. of B |
t(47) |
p-level | |
Intercpt |
11,544067 |
20,720292 |
0,557138 |
0,580077 | ||
X5 |
-0,123457 |
0,452892 |
-6,054445 |
22,210241 |
-0,272597 |
0,786357 |
X6 |
0,038849 |
0,133551 |
0,653373 |
2,246112 |
0,290891 |
0,772415 |
X12 |
0,295077 |
0,188191 |
0,008339 |
0,005318 |
1,567965 |
0,123598 |
X13 |
0,252768 |
0,165628 |
0,000034 |
0,000022 |
1,526116 |
0,133683 |
X17 |
-0,093660 |
0,442300 |
-0,051989 |
0,245511 |
-0,211757 |
0,833212 |
При α = 0,5 значимы β12 и β13.
Observed |
Predictd |
||
Value |
Value |
Residual | |
1 |
9,26 |
9,179718 |
0,080282 |
2 |
9,38 |
9,478144 |
-0,098144 |
3 |
12,11 |
9,614657 |
2,495342 |
4 |
10,81 |
9,275144 |
1,534857 |
… |
… |
… |
… |
51 |
5,22 |
6,727393 |
-1,507393 |
52 |
18 |
7,211321 |
10,788679 |
53 |
11,03 |
7,603634 |
3,426366 |
Minimum |
3,78 |
6,683459 |
-3,078030 |
Maximum |
18 |
13,924667 |
10,788679 |
Mean |
7,970377 |
7,970377 |
0 |
Median |
7,37 |
7,465333 |
-0,273421 |
Информация о работе Регрессионный и корреляционный анализ в системе Statistika