ПВ_2
.pdf
|
x |
|
195,2897 |
9,299508; |
y |
|
|
540100 |
|
25719,05; Dx |
1817,081 |
-9,2995082 |
0,046841, |
||
21 |
|
|
|
|
21 |
|
21 |
|
|
||||||
|
|
|
|
|
|
|
1,05E 08 |
9,299508 25719,05 1005,596, |
|
||||||
|
|
|
|
|
cov(X ,Y) |
|
|
|
|
|
|||||
|
|
|
|
21 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
b |
1005,596 |
21468,12; |
a 25719,05 21468,12 9,299508 -173924. |
|||||||||
|
|
|
|
||||||||||||
0,046841 |
|
|
|
|
|
|
|
|
|
||||||
Получим линейное уравнение: |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
y -173924 21468,12x . |
|
||||
После перехода от x к x |
|
получим |
|
||||||||||||
|
|
|
|
|
|
|
|
|
y* -173924 21468,12lnx. |
|
● Найдем индекс корреляции и коэффициент детерминации по формулам
|
|
r 1 |
ост |
, R2 |
r2 . |
||
|
|
|
|
|
общ |
|
|
Получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
1 |
162758821 |
|
|
0,857805, |
R2 0,735829. |
|
|
|||||||
|
616112381 |
|
|
|
|
Полученный результат означает, что 73,4% вариации результативного признака (розничная продажа компьютеров, у) объясняется вариацией фактора х – среднедушевой денежный доход в месяц.
● Вычислим средний коэффициент эластичности по формуле
|
E( |
x |
) |
b |
. |
||
|
|
||||||
Получаем |
21468,12 |
a bln |
x |
|
|
||
|
|
|
|
||||
E |
|
|
|
0,818215382. |
|||
|
|
|
|
|
|
||
|
-173924 21468,12ln11200 |
Коэффициент эластичности показывает, что объем продаж компьютеров увеличится на 0,82% по сравнению со средним объемом продаж, если среднедушевой доход увеличится на 1% от своего среднего значения.
● Вычислим среднюю ошибку аппроксимации по формуле
A1 | yi yi* |100%. n yi
Получаем
A 1 1,661142002 100% 7,91%. 21
Качество построенной модели оценивается как хорошее, так как A не превышает 10%.
|
● Построим график полученной зависимости на том же рисунке, на |
||||
котором построено поле корреляции. Для этого нужно добавить ряд данных |
|||||
xi , yi* . |
|
|
|
|
|
|
|
Логарифмическая регрессия y = 21468Ln(x) - 173924 |
|
||
|
60000 |
|
|
|
|
продаж |
50000 |
|
|
|
|
40000 |
|
|
|
|
|
30000 |
|
|
|
|
|
Объем |
|
|
|
|
|
20000 |
|
|
|
|
|
10000 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
0 |
5000 |
10000 |
15000 |
20000 |
|
|
|
Средний доход |
|
|
e. Гиперболическая парная регрессии.
Для расчета параметров a и b гиперболической парной регрессии
y a b x
необходимо выполнить линеаризацию переменных. Линеаризация
производится путем замены x 1 : x
y a bx .
Таким образом, задача сводится к отысканию параметров a и b уравнения линейной регрессии.
Для вычислений удобно использовать следующую таблицу.
Таблица 6.
№ |
Средний |
Объем |
|
|
|
|
|
|
|
|
|
доход, |
продаж, |
X'i |
X'i^2 |
Yi^2 |
X'iYi |
Yi* |
|Yi-Yi*|/Yi |
(Yi-Yср)^2 |
(Yi-Yi*)^2 |
||
региона |
|||||||||||
|
Xi |
Yi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
11200 |
28000 |
8,92857E-05 |
7,97E-09 |
784000000 |
2,5 |
26715,248 |
0,045883987 |
5202743,76 |
1650586,76 |
|
|
|
||||||||||
2 |
9600 |
21300 |
0,000104167 |
1,09E-08 |
453690000 |
2,21875 |
23259,385 |
0,091989923 |
19527981,9 |
3839191 |
|
|
|
||||||||||
3 |
8400 |
21000 |
0,000119048 |
1,42E-08 |
441000000 |
2,5 |
19803,522 |
0,056975126 |
22269410,4 |
1431558,75 |
|
|
|
||||||||||
4 |
10400 |
23300 |
9,61538E-05 |
9,25E-09 |
542890000 |
2,240385 |
25120,235 |
0,07812166 |
5851791,38 |
3313254,26 |
|
|
|
||||||||||
5 |
6800 |
15800 |
0,000147059 |
2,16E-08 |
249640000 |
2,323529 |
13298,368 |
0,15833111 |
98387505,7 |
6258160,32 |
|
|
|
||||||||||
6 |
10000 |
21900 |
0,0001 |
1E-08 |
479610000 |
2,19 |
24227,027 |
0,106256941 |
14585124,7 |
5415054,68 |
|
|
|
||||||||||
7 |
9600 |
20000 |
0,000104167 |
1,09E-08 |
400000000 |
2,083333 |
23259,385 |
0,162969268 |
32707505,7 |
10623592,9 |
|
|
|
||||||||||
8 |
10400 |
22000 |
9,61538E-05 |
9,25E-09 |
484000000 |
2,115385 |
25120,235 |
0,141828849 |
13831315,2 |
9735864,41 |
|
|
|
9 |
11200 |
23900 |
8,92857E-05 |
7,97E-09 |
571210000 |
2,133929 |
26715,248 |
0,117792819 |
3308934,24 |
7925623,37 |
|
|
|||||||||
10 |
10400 |
26000 |
9,61538E-05 |
9,25E-09 |
676000000 |
2,5 |
25120,235 |
0,033837128 |
78934,2404 |
773987,031 |
|
|
|||||||||
11 |
10400 |
24600 |
9,61538E-05 |
9,25E-09 |
605160000 |
2,365385 |
25120,235 |
0,021147751 |
1252267,57 |
270644,115 |
|
|
|||||||||
12 |
10000 |
21000 |
0,0001 |
1E-08 |
441000000 |
2,1 |
24227,027 |
0,153667953 |
22269410,4 |
10413703,3 |
|
|
|||||||||
13 |
11600 |
27000 |
8,62069E-05 |
7,43E-09 |
729000000 |
2,327586 |
27430,255 |
0,015935352 |
1640839 |
185118,94 |
|
|
|||||||||
14 |
10400 |
21000 |
9,61538E-05 |
9,25E-09 |
441000000 |
2,019231 |
25120,235 |
0,196201651 |
22269410,4 |
16976333,8 |
|
|
|||||||||
15 |
8800 |
24000 |
0,000113636 |
1,29E-08 |
576000000 |
2,727273 |
21060,2 |
0,122491674 |
2955124,72 |
8642425,13 |
|
|
|||||||||
16 |
10400 |
34000 |
9,61538E-05 |
9,25E-09 |
1156000000 |
3,269231 |
25120,235 |
0,261169568 |
68574172,3 |
78850232,3 |
|
|
|||||||||
17 |
13200 |
31900 |
7,57576E-05 |
5,74E-09 |
1017610000 |
2,416667 |
29856,942 |
0,064045705 |
38204172,3 |
4174085,96 |
|
|
|||||||||
19 |
15600 |
33000 |
6,41026E-05 |
4,11E-09 |
1089000000 |
2,115385 |
32563,632 |
0,013223275 |
53012267,6 |
190417,108 |
|
|
|||||||||
20 |
18400 |
35400 |
5,43478E-05 |
2,95E-09 |
1253160000 |
1,923913 |
34829,014 |
0,016129557 |
93720839 |
326025,376 |
|
|
|||||||||
21 |
14800 |
34000 |
6,75676E-05 |
4,57E-09 |
1156000000 |
2,297297 |
31758,94 |
0,06591352 |
68574172,3 |
5022348,49 |
|
|
|||||||||
22 |
13600 |
31000 |
7,35294E-05 |
5,41E-09 |
961000000 |
2,279412 |
30374,397 |
0,020180728 |
27888458 |
391378,575 |
|
|
|||||||||
Сумма |
235200 |
540100 |
0,001965082 |
1,92E-07 |
14506970000 |
1061,341 |
540100 |
1,944093545 |
616112381 |
176409587 |
● Рассчитаем a и b, для чего воспользуемся формулами
b cov(X ,Y) , a y bx ,
Dx
|
|
|
|
|
|
|
xi |
|
|
|
yi |
|
|
|
|
(xi )2 |
|
|
|
|
2 |
|
|
(yi |
)2 |
|
|
2 |
|
||||||||||||
где x |
|
|
|
|
, Dx |
|
|
|
|
, |
Dy |
|
|
, |
|||||||||||||||||||||||||||
|
|
n |
, y |
|
n |
|
|
n |
|
(x ) |
|
|
n |
(y) |
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
xi yi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
cov(X |
,Y) |
|
n |
x y. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
x |
|
0,001965082 |
9,36E-05; |
|
y |
|
540100 |
25719,05; |
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
21 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
21 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Dx |
1,92E-07 |
-(9,36E-05)2 |
|
3,88E-10, |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
21 |
|
|
|
|
|
|
|
|
|
|
|
1061,341 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(9,36E-05) 25719,05 -0,09016, |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
cov(X ,Y) |
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
21 |
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
-0,09016 |
-2,3E 08 ; |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3,88E -10 |
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
a 25719,05 (-2,3E 08) (9,36E-05) 47450,43. |
||||||||||||||||||||||||||||
Получим линейное уравнение: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y 47450,43 (-2,3E 08)x . |
|
|
|
|
|
|||||||||||||||
После перехода от x к x |
|
получим |
|
|
|
|
|
-2,3E 08 |
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y* 47450,43 |
. |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
● Найдем индекс корреляции и коэффициент детерминации по |
|||||||||||||||||||||||||||||||||||
формулам |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
1 |
ост |
|
, |
R2 r2 . |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
общ |
|
|
|
|
|
|
|
|
|
|
Получаем |
|
|
|
|
|
|
|
|
|
|
|
r |
1 176409587 0,844792, |
R2 0,713673. |
|
|
|
||
|
|
|
616112381 |
|
|
|
|
|
|
Полученный результат означает, что 71,4% вариации результативного |
|
|
|||||||
признака (розничная продажа компьютеров, у) объясняется вариацией |
|
|
|||||||
фактора х – среднедушевой денежный доход в месяц. |
|
|
|
||||||
|
● Вычислим средний коэффициент эластичности по формуле |
|
|
||||||
|
|
|
E(x) |
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Получаем |
|
|
a b ln x . |
|
|
|
|||
|
-(-2,3E 08) |
|
|
|
|
||||
|
|
E |
0,776155166. |
|
|
|
|||
|
|
|
|
|
|
|
|
||
|
|
|
47450,43 11200 (-2,3E 08) |
|
|
|
|||
Коэффициент эластичности показывает, что объем продаж компьютеров |
|||||||||
увеличится на 0,78% по сравнению со средним объемом продаж, если |
|||||||||
среднедушевой доход увеличится на 1% от своего среднего значения. |
|
|
|||||||
|
● Вычислим среднюю ошибку аппроксимации по формуле |
|
|
|
|||||
|
|
|
A 1 |
| yi |
yi* |100%. |
|
|
|
|
Получаем |
|
n |
|
yi |
|
|
|
|
|
|
A 1 1,944093545 100% 9,23% . |
|
|
|
|||||
|
|
|
|
|
|
||||
|
|
|
21 |
|
|
|
|
|
|
Качество |
построенной модели |
оценивается |
как хорошее, так |
как |
A |
не |
|||
превышает 10%. |
|
|
|
|
|
|
|
||
|
● Построим график полученной зависимости на том же рисунке, на |
||||||||
котором построено поле корреляции. Для этого нужно добавить ряд данных |
|||||||||
xi , yi* . |
|
|
|
|
|
|
|
|
|
|
|
|
Гиперболическая регрессия |
|
|
|
|||
продаж |
60000 |
|
|
|
|
|
|
|
|
50000 |
|
|
|
|
|
|
|
||
40000 |
|
|
|
|
|
|
|
||
30000 |
|
|
|
|
|
|
|
||
Объем |
|
|
|
|
|
|
|
||
20000 |
|
|
|
|
|
|
|
||
10000 |
|
|
|
|
|
|
|
||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
5000 |
|
10000 |
15000 |
20000 |
|
|
|
|
|
|
Средний доход |
|
|
|
● Итоговая таблица.
|
|
|
|
Коэффициент |
Ср. коэфф. |
Ср. ошибка |
|
Вид зависимости |
Уравнение |
детерминаци |
|||||
|
|
|
|
и |
элластичн. |
аппрокс., % |
|
|
|
|
|
|
|
||
Линейная |
y* 5777 1,781x |
0,714625222 |
0,775376125 |
8,519777785 |
|||
|
|
|
|
|
|
||
Степенная |
y* 10,41204x0,837668 |
0,717504163 |
0,837668412 |
8,168434766 |
|||
|
|
|
|
|
|
|
|
Экспоненциальна |
y* 11704,56793 1,000068318x |
0,65997695 |
0,765132687 |
8,973065239 |
|||
я |
|
|
|
|
|
|
|
Логарифмическая |
y -173924 21468,12lnx |
0,73582933 |
0,818215382 |
7,910200008 |
|||
|
|
|
|
|
|
|
|
Гиперболическая |
y 47450,43 |
-2,3E 08 |
|
0,713673038 |
0,776155166 |
9,257588308 |
|
x |
|||||||
|
|
|
|
|
Самый высокий коэффициент детерминации и самая низкая средняя ошибка аппроксимации у логарифмической зависимости. Поэтому, в данном случае, наилучшим уравнением следует считать логарифмическое.