Автор работы: Пользователь скрыл имя, 05 Декабря 2012 в 16:26, реферат
Цель работы – овладеть методикой построения линейных моделей множественной регрессии, оценки их существенности и значимости, расчетом показателей множественной регрессии и корреляции.
Постановка задачи. По данным регионов (таблица 1) изучить зависимость начисленной з.п., тыс.руб ( ) от доли трудоспособного населения, %. ( ) и уровня безработицы, % ( ).
Так как Fфакт.
> Fтабл, то гипотезу (Н0) отклоняем. С вероятностью
95% делаем вывод о статистической значимости
уравнения в целом и показателя тесноты
связи, которые сформировались под неслучайным
воздействием факторов х1, х2.
11 Расчет частных F-критериев
Определим частные F-критерии для факторов х1 и х2 по формулам:
5,171
Fтабл. = 4,75. Таким образом, значение Fфакт.1> Fтабл. свидетельствует о целесообразности включения в модель фактора х1 Включение фактора х2 в модель статистически нецелесообразно, т.к Fфакт.2< Fтабл.
12 Оценка значимости коэффициентов чистой регрессии
по t-критерию Стьюдента
Частный F-критерий оценивает значимость коэффициентов
чистой регрессии:
.
2,274; 1,946
tтабл.=2,1788.
Так как tb1, > tтабл., то фактор х1, статистически значима. tb2< tтабл., то х2 незначима
Решение задачи с помощью MS Excel
Столбец 1 |
Столбец 2 |
Столбец 3 | |
Столбец 1 |
1 |
||
Столбец 2 |
0,509 |
1,000 |
|
Столбец 3 |
-0,595 |
-0,120 |
1 |
Рисунок 1 Результат применения инструмента Корреляция
ВЫВОД ИТОГОВ |
|
Регрессионная статистика | |
Множественный R |
0,741 |
R-квадрат |
0,549 |
Нормированный R-квадрат |
0,467 |
Стандартная ошибка |
1,483 |
Наблюдения |
14 |
Дисперсионный анализ |
|||||
df |
SS |
MS |
F |
Значимость F | |
Регрессия |
2 |
29,419 |
14,709 |
6,687 |
0,013 |
Остаток |
11 |
24,198 |
2,200 |
||
Итого |
13 |
53,617 |
|||
Коэффициен |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% | |
Y-пересечение |
-46,182 |
27,216 |
-1,697 |
0,118 |
-106,083 |
13,719 |
Переменная X 1 |
0,961 |
0,441 |
2,177 |
0,052 |
-0,011 |
1,932 |
Переменная X 2 |
-0,595 |
0,224 |
-2,655 |
0,022 |
-1,088 |
-0,102 |
ВЫВОД ОСТАТКА |
|||
Наблюдение |
Предсказанное Y |
Остатки |
Стандартные остатки |
1 |
8,910 |
0,790 |
0,579 |
2 |
9,249 |
-0,549 |
-0,402 |
3 |
10,145 |
-1,945 |
-1,426 |
4 |
10,232 |
0,668 |
0,489 |
5 |
11,531 |
-2,431 |
-1,782 |
6 |
9,523 |
-0,623 |
-0,457 |
7 |
11,252 |
-0,352 |
-0,258 |
8 |
13,265 |
2,935 |
2,151 |
9 |
9,468 |
-0,868 |
-0,637 |
10 |
9,193 |
0,607 |
0,445 |
11 |
10,205 |
-0,605 |
-0,444 |
12 |
6,628 |
1,272 |
0,933 |
13 |
9,267 |
0,933 |
0,684 |
14 |
9,930 |
0,170 |
0,125 |
Рисунок 2 Результат применения инструмента Регрессия
Информация о работе Построение модели множественной регресии