Автор работы: Пользователь скрыл имя, 22 Октября 2012 в 20:12, реферат
Зависимость одного фактора от других выражается уравнением множественной регрессии.
Факторы включенные в модель должны иметь близкую и сильную связь с результативным признаком, и минимальную связь между собой, поэтому мы выбираем вооруженность труда и интегральный показатель.
КОНТРОЛЬНАЯ РАБОТА
Статистика
Задача 14.
По группе предприятий за отчетный год имеются следующие данные:
№ предприятия |
Годовая производительность труда работника, тыс. руб. |
Вооруженность труда основным капиталом, тыс. руб./чел. |
Удельный вес оборудования в стоимости основного капитала |
Текучесть кадров, % |
Интегральный показатель использования рабочего времени |
1 |
360 |
15.2 |
0.39 |
9.1 |
0.96 |
2 |
298 |
12.8 |
0.29 |
10.1 |
0.80 |
3 |
328 |
13.8 |
0.34 |
5.0 |
0.84 |
4 |
330 |
14.0 |
0.36 |
7.0 |
0.86 |
5 |
366 |
16.3 |
0.47 |
9.0 |
0.98 |
6 |
316 |
12.6 |
0.26 |
4.0 |
0.83 |
7 |
334 |
13.2 |
0.32 |
12.0 |
0.87 |
8 |
300 |
12.9 |
0.29 |
6.5 |
0.84 |
9 |
314 |
13.1 |
0.33 |
8.0 |
0.81 |
10 |
320 |
12.5 |
0.28 |
7.0 |
0.85 |
11 |
362 |
15.7 |
0.40 |
8.5 |
0.97 |
12 |
332 |
13.5 |
0.34 |
5.0 |
0.83 |
На основании приведенных
данных требуется: составить уравнение
множественной зависимости
Решение:
Зависимость одного фактора от других выражается уравнением множественной регрессии.
Факторы включенные в модель должны иметь близкую и сильную связь с результативным признаком, и минимальную связь между собой, поэтому мы выбираем вооруженность труда и интегральный показатель.
Результативные признаки обозначаются через Y, факторные через X. Поэтому в общем виде взаимосвязь между результатом и факторами можно записать формулой:
fy =(x1 ,x2 …)
следовательно Y является функцией от всех X.
Если на результат оказывает влияние первый фактор, то в этом случае изучается корреляция и регрессия, которые носят название парных; если на результат оказывает влияние несколько факторов, то изучается множественная корреляция и множественная регрессия.
Изучим зависимость
№ предприятия |
yi |
хi 1 |
хi 2 |
1 |
360 |
15.2 |
0.96 |
2 |
298 |
12.8 |
0.80 |
3 |
328 |
13.8 |
0.84 |
4 |
330 |
14.0 |
0.86 |
5 |
366 |
16.3 |
0.98 |
6 |
316 |
12.6 |
0.83 |
7 |
334 |
13.2 |
0.87 |
8 |
300 |
12.9 |
0.84 |
9 |
314 |
13.1 |
0.81 |
10 |
320 |
12.5 |
0.85 |
11 |
362 |
15.7 |
0.97 |
12 |
332 |
13.5 |
0.83 |
Матричная форма записи ЛММР:
Y^ = X* A^ , где А^ – вектор-столбец параметров регрессии ;
хi 1 , хi 2 – предопределенные (объясняющие) переменные, n = 2;
Ранг матрицы X = n + 1= 3 < k = 5
Исходные данные представляют в виде матриц.
( 1 15.2 0.96 ) (360)
( 1 12.8 0.80) (298)
X = ( 1 13.8 0.84) Y = (328)
( 1 14.0 0.86) (330)
(1 16.3 0.98) (366)
(1 12.6 0.83) (316)
(1 12.9 0.84) (300)
(1 13.1 0.81) (314)
(1 12.5 0.85) (320)
(1 15.7 0.97) (362)
(1 13.5 0.83) (332)
Значение параметров А^ = (а0, а1, а 2 ) T и s2 – нам неизвестны и их требуется определить ( статистически оценить ) методом наименьших квадратов.
Для нахождения параметров A^ применим формулу:
A^ = (XT * X ) –1 * XT ,
где (XT * X ) –1 - обратная матрица.
Решение.
а) Найдем транспонированную матрицу ХТ :
( 1 1 1 1 1 1 1 1 1 1 1 1 )
XT = ( 15.2 12.8 13.8 14.0 16.3 12.6 13.2 12.9 13.1 12.5 15.7 13.5 )
(0.96 0.80 0.84 0.86 0.98 0.83 0.87 0.84 0.81 0.85 0.97 0.83).
в) Находим произведение матриц XT *X :
( 12 165.6 10.44)
XT * X = (165.6 176.04 145.25 )
(10.44 145.25 177.6).
г) Находим произведение матриц XT * Y:
(3960)
XT * Y = (4125.6)
(3970.44).
д) Вычисляем обратную матрицу ( XT * X) –1 :
( -12 - 165.6 -10.44 )
( XT * X) –1 = ( -165.6 -176.04 -145,25 )
( - 10.44 -145.25 -177.6).
е) Умножаем обратную матрицу ( XT * X) –1 на произведение
матриц XT * Y и получаем вектор- столбец A^ = (a 0 , a 1, a 2)T :
( 3948 )
A^ = (XT * X) –1 * (XT * Y) = ( 3794.4 )
(3960)
Уравнение множественной регрессии имеет следующий вид:
yi^ = 3948 – 3794.4 * xi1 +3960 * xi2
Задача 15.
На основании исходных данных задачи 14:
Решение:
Составим таблицу для расчетов
Предприятия |
Годовая производительность труда работника |
Середина интервала, х |
x*f |
|
|
|
1 |
360 |
15.2 |
5472 |
1.3 |
1.69 |
608.4 |
2 |
298 |
12.8 |
3814.4 |
- 1.1 |
1.21 |
360.6 |
3 |
328 |
13.8 |
4526.4 |
- 0.1 |
0.01 |
3.28 |
4 |
330 |
14 |
4620 |
0.1 |
0.01 |
3.30 |
5 |
366 |
16.3 |
5965.8 |
2.4 |
5.76 |
2108.2 |
6 |
316 |
12.6 |
3981.6 |
- 1.3 |
1.69 |
534 |
7 |
334 |
13.2 |
4408.8 |
- 0.7 |
0.49 |
163.7 |
8 |
300 |
12.9 |
3870 |
-1 |
1 |
300 |
9 |
314 |
13.1 |
4113.4 |
-0.8 |
0.64 |
201 |
10 |
320 |
12.5 |
4000 |
-1.4 |
1.96 |
627.2 |
11 |
362 |
15.7 |
5683.4 |
1.8 |
3.24 |
1172.9 |
12 |
332 |
13.5 |
4482 |
-0.4 |
0.16 |
53.12 |
Итого |
3960 |
165.6 |
54937.8 |
-1.2 |
17.86 |
6135.7 |
= 54937.8/3960 = 13.9
Теснота связи при линейной зависимости измеряется с помощью линейного коэффициента корреляции, который рассчитывается по одной из формул:
Сначала найдем дисперсию:
= 17.86/12 = 1.5
б = корень из D
= 1.2
.
а также
или .
= 12*4408.8 – 165.6*3960/(12*2303.03 – 27423.4)*(12*1312520 – 15681600) = 157.8
= -1.2/17.86 = - 0.07
Множественный коэффициент корреляции в случае зависимости результативного признака от двух факторов вычисляется по формуле:
= 24900+0.0049 + 22/ 0.99 = 159
где – парные коэффициенты корреляции между признаками.
Множественный коэффициент корреляции изменяется в пределах от 0 до 1 и по определению положителен: .
Частные коэффициенты корреляции характеризуют степень тесноты связи результативного признака и фактора, при элиминировании его взаимосвязи с остальными факторами, включенными в анализ. В случае зависимости у от двух факторных признаков частные коэффициенты корреляции рассчитываются:
; ,
= 157.8 – 157.8*-0.07/ 1-24900*1-0.0049 = 1
где r – парные коэффициенты корреляции между указанными в индексе переменными.
В первом случае исключено влияние факторного признака х2, во втором – х1.
Для оценки сравнительной силы влияния факторов, по каждому фактору рассчитывают частные коэффициенты эластичности:
,
= 13.9/330 = 0.04
где – среднее значение соответствующего факторного признака;
– среднее значение
– коэффициент регрессии при i-м факторном признаке.
Данный коэффициент показывает,
на сколько процентов следует
ожидать изменения