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)

 

Qост = = 270,498195

 

QR = = 3450,718551

 

k = 5, n = 53

 

 

 

 

 

Fкр(0,05; 6; 47) < Fнабл. Т.е. хотя бы один элемент вектора β = (β0, β5, β6, β12, β13, β17) не равен 0.

Будем считать, что Y1 и X5, X6, X12, X13, X17 связаны степенной зависимостью:

Y1 =

Преобразуем ее к линейному виду с помощью следующего преобразования:

LnY1 = lnβ0 + β9lnX9 + β11lnX11 + β12lnX12 + β13lnX13 + β17lnX17.

Зависимая переменная: lnY1.

 

R= ,53871549 RІ= 0,29021438 Adjusted RІ= 0,21470528

F(5,47)=3,8434 p<,00531 Std.Error of estimate: 0,27410

   

St. Err.

 

St. Err.

   
 

BETA

of BETA

B

of B

t(47)

p-level

Intercpt

   

-0,544329

1,105843803

-0,492229443

0,624849

lnX9

0,425106729

0,367531835

1,793333

1,550450598

1,156652807

0,25326

lnX11

-0,058230454

0,137643038

-0,022834

0,053974411

-0,423054117

0,674185

lnX12

0,257052783

0,195848953

0,1053

0,080228459

1,31250527

0,195723

lnX13

0,224479618

0,178965413

0,10631

0,084755134

1,25431844

0,215929

lnX17

0,439937686

0,364278936

0,53955

0,446760005

1,207694552

0,233207


 

При α = 0,5 значимы β9,β13 и β17.

 

 

Observed

Predictd

 
 

Value

Value

Residual

1

2,225704

2,266775

-0,041071

2

2,238580

2,242992

-0,004412

3

2,494032

2,255089

0,238943

4

2,380472

2,178381

0,202091

       

51

1,652497

1,714504

-0,062006

52

2,890372

1,955428

0,934944

53

2,400619

2,073417

0,327201

Minimum

1,329724

1,659634

-0,440857

Maximum

2,890372

2,449305

0,934944

Mean

2,027812

2,027812

0,000000

Median

1,997418

2,001588

-0,007168


 

Qост = = 3,531153

 

QR = = 219,380966

 

k = 5, n = 53

 

 

 

 

 

Fкр(0,05; 6; 47) < Fнабл. Т.е. хотя бы один элемент вектора β = (β0, β5, β6, β12, β13, β17) не равен 0.

 

3. 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.

Уравнение регрессии:

Y1 = 11,544067 - 6,054445X5 + 0,653373X6 + 0,008339X12 +0,000034X13 –

-0,051989X17.

При α = 0,2 значим β12.

Исключим все незначимые коэффициенты и построим регрессию Y1 на X12.

 

R= 0,438404 RІ= 0,192198 Adjusted RІ= 0,176359

F(1,51)=12,134 p<,00103 Std.Error of estimate: 2,3689

   

St. Err.

 

St. Err.

   
 

BETA

of BETA

B

of B

t(51)

p-level

Intercpt

   

6,832166

0,461136

14,815948

0,000000

X12

0,438404

0,125854

0,012389

0,003557

3,483433

0,001025


 

Уравнение регрессии:

 

Y1 = 6,832166+0,012389X5.

 

Как видим, получили достаточно высокий уровень

значимости. Все коэффициенты значимы даже при α = 0,005.

4. а) Экономическая интерпретация  коэффициента регрессии b0: b0 – свободный  член – определяет значение Y1 при регрессоре X5=0. Коэффициент b5 показывает изменение Y1 при изменении X5 на единицу (%).

Экономическая интерпретация коэффициента эластичности:

 

 

Э5 показывает изменение (приближенно) в процентах Y1 при изменении X5 на 1%.

Множественный коэффициент детерминации R2 =0,192198 показывает долю дисперсии результативного признака Y1, объясняемую влиянием независимой переменной X5, которая не говорит о высоком качестве полученной модели.

 

4. б)

Observed

Value

Predictd

Value

Residual

δi=ei/yi

|δi|

1

9,26

8,909658

0,350342

0,037834

0,037834

2

9,38

9,137737

0,242263

0,025828

0,025828

3

12,11

9,563295

2,546704

0,210298

0,210298

4

10,81

8,929605

1,880396

0,173950

0,173950

           

51

5,22

7,197886

-1,977886

-0,378905

0,378905

52

18

7,352376

10,647625

0,591535

0,591535

53

11,03

7,799862

3,230138

0,292850

0,292850

Minimum

3,78

7,000407

-3,264759

 

0,000965

Maximum

18

13,182708

10,647625

 

0,863693

Mean

7,970377

7,970377

0,000000

 

0,221146


 

Получили несильный разброс абсолютных ошибок ei, что свидетельствует о достаточной адекватности полученной модели. Относительные отклонения δi не превышают 0,86, а

среднее значение δ равно 0,22. Это означает, что отклонение составляет в среднем 22% от результативного признака Y1.

Qост = = 286,196216.

Несмещенная оценка остаточной дисперсии = Qост/(n-k)= 5,611690516.

 


Информация о работе Регрессионный и корреляционный анализ в системе Statistika