
Розділ х.
Важливою частиною дослідження є аналіз регресійної моделі на адекватність. Регресійна модель є адекватною, якщо прогнозовані за нею значення відгуку Y узгоджуються з результатами спостережень. Для цього спочатку знаходиться сума квадратів відхилень прогнозованих значень від емпіричних
,
де
-
дана лінія регресії.
Лінійне рівняння
X |
n |
yx |
α=3,61х+3,32- yx |
α2лін |
α2× nлін |
1,17 |
15 |
8,05 |
-0,5063 |
0,2563 |
3,8445 |
1,31 |
50 |
7,74 |
0,3091 |
0,0955 |
4,775 |
1,45 |
23 |
8,73 |
-0,1755 |
0,0308 |
0,7084 |
1,59 |
9 |
9,64 |
-0,5801 |
0,3365 |
3,0285 |
1,73 |
1 |
9,35 |
0,2153 |
0,0464 |
0,0465 |
1,87 |
2 |
9,35 |
0,7207 |
0,5194 |
1,0388 |
|
100 |
|
|
|
13,4416 |
Чим менше сума квадратів відхилень, тим краще регресійна модель описує результати спостережень. В ідеальному випадку ця сума дорівнює нулю. Порівняти моделі між собою можливо за допомогою залишкової дисперсії, яка знаходиться за формулою
,
де
m – кількість значень величини Х , k – кількість доданків в рівнянні регресії. Чим менше залишкова дисперсія, тим краще рівняння регресії описую залежність між величинами Х та У.
Dзал.
лін.=
Рівняння обернене:
X |
n |
yx |
α= |
α2об |
α2× nоб |
1,17 |
15 |
8,05 |
-0,59 |
0,3481 |
5,2215 |
1,31 |
50 |
7,74 |
0,34 |
0,1156 |
5,78 |
1,45 |
23 |
8,73 |
-0,14 |
0,0196 |
0,4508 |
1,59 |
9 |
9,64 |
-0,64 |
0,4096 |
3,6864 |
1,73 |
1 |
9,35 |
0 |
0 |
0 |
1,87 |
2 |
9,35 |
0,3 |
0,09 |
0,18 |
|
100 |
|
|
|
15,3187 |
Dзал.
об.=
Квадратичне рівняння:
X |
n |
yx |
α= |
α2об |
α2× nоб |
1,17 |
15 |
8,05 |
-0,4557 |
0,2077 |
3,1155 |
1,31 |
50 |
7,74 |
0,2984 |
0,0890 |
4,45 |
1,45 |
23 |
8,73 |
-0,2104 |
0,0443 |
1,0189 |
1,59 |
9 |
9,64 |
-0,5771 |
0,3330 |
2,997 |
1,73 |
1 |
9,35 |
0,2934 |
0,0861 |
0,0861 |
1,87 |
2 |
9,35 |
0,9234 |
0,8527 |
1,7054 |
|
100 |
|
|
|
13,3729 |
Dзал.
кв.=
Для перевірки адекватності моделей використовується критерій Фішера, за котрим знаходиться величина
,
де
- внутрігрупова дисперсія кореляційної
таблиці, поділеної на 6 груп по стовбцях
(тобто для кожного значення Х).
,
де
nxi – частота появи значення xi, а Diгр – дисперсія розподілу значень ознаки У, що відповідають значення xi.
.
Dгр1=
(5,452*2+6,752*5+8,052*3+9,352*3+11,952*2-8,052)=64,34
Dгр2=
(5,452*7+6,752*15+8,052*14+9,352*12+10,652*1+11,952*1-7,742)=60,94
Dгр3=
(5,452*3+6,752*1+8,052*8+9,352*6+10,652*2+11,952*3-8,732)=76,46
Dгр4=
(6,752*2+9,352*3+10,652*2+11,952*2-9,642)=85,88
Dгр5=
(9,352*1-9,352*1)=0
Dгр6=
(6,752*1+11,952*1-9,352*1)=50,47
Foлін.
Foоб.
Foкв.
Значення
F0
порівнюється з критичним значенням
розподілу Фішера
,
де α – рівень значності, який в даній
роботі приймається рівним 0,95, k1=m-k,
a
k2=n-m.
В даній роботі приймається, що
,
а
.
Якщо виконується нерівність F0<Fкр, то регресія вважається адекватною, в протилежному випадку регресія неадекватна, і необхідно шукати іншу, більш складну.
Foлін<Fкр – регресія адекватна.
Foоб<Fкр – регресія адекватна.
Foкв<Fкр – регресія адекватна.