Регрессионный и корреляционный анализ в системе Statistika

Автор работы: Пользователь скрыл имя, 27 Марта 2015 в 14:04, лабораторная работа

Описание работы

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.

Файлы: 1 файл

Регрессия+корреляция.docx

— 43.95 Кб (Скачать файл)

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+β17X17.

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