- •Вариант 1 Пример 1
- •Пример 2
- •Вариант 2 Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 2
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 2
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 1
- •Пример 2
- •Пример 2
- •Пример 1
- •Пример 2
- •Пример 1
- •Пример 1
Пример 1
По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 1).
Таблица 1 — Исходные данные
№ п/п |
У |
х2 |
1 |
6,2 |
9 . |
2 |
6,3 |
12 |
3 |
6,4 |
14 |
4 |
7,1
|
17 |
5 |
7,2 |
18 |
6 |
7,3 |
19 |
7 |
8,4 |
19 |
8 |
8,5 |
19 |
9 |
9,6 |
20 |
10 |
10,7 |
21 |
11 |
9,8 |
21 |
12 |
11,9 |
22 |
где у - выработка продукции на одного работника (тыс. руб.);
Х2 - удельный вес рабочих высокой квалификации в общей численности рабочих (%).
Задание:
1.Построить линейное уравнение парной регрессии у по х.
2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
З.Оценить статистическую значимость уравнения регрессии в целом и отдельных параметров регрессии и корреляции с помощью F-критерия Фишера и t-критерия Стьюдента.
4.Выполнить прогноз выработки продукции на одного работника (у) при прогнозном значении удельного веса рабочих высокой квалификации в обшей численности рабочих (х), составляющем 107% от среднего уровня. 5.Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
Пример 2
По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 2).
Таблица 2 - Исходные данные
№ п/п |
У |
Х1 |
х2 |
1 |
14,1 |
21,3 |
13,6 |
2 |
13,3 |
17,7 |
13,4 |
3 |
11,8 |
27,4 |
12,6 |
4 |
12,4 |
14,7 |
3,3 |
5 |
13,9 |
34,9 |
13,4 |
6 |
12,5 |
20,3 |
7,1 |
7 |
12,8 |
25,6 |
15,5 |
8 |
14,1 |
20,6 |
12,3 |
9 |
9,8 |
29,3 |
1,6 |
10 |
13,1 |
21,4 |
8,9 |
11 |
14,1 |
21,3 |
11,9 |
12 |
12,1 |
12,1 |
2,3 |
где у - чистый доход, млрд. долл Х1 - оборот капитала, млрд. долл. Х2 - использованный капитал, млрд. долл.
Задание:
1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
Вариант 5
Пример 1
По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 1).
Таблица 1 —Исходные данные
№ п/п |
У |
Х1 |
1 |
1 |
3,8 |
2 |
2 |
4,1 |
3 |
3 |
4,3 |
4 |
4 |
4,1 |
5 |
3 |
4,6 |
6 |
4 |
4,7 |
7 |
5 |
5,3 |
8 |
6 |
5,5 |
9 |
3 |
6,9 |
10 |
3 |
6,8 |
11 |
3 |
7,1 |
12 |
4 |
7,5 |
где у - выработка на одного работника (тыс. руб.);
Х1 - вес рабочих высокой квалификации в общей численности рабочих (%).
Задание: