Лабораторные работы / mod_lab2
.pdfОтчет по лабораторной работе №2 по дисциплине «Методы обработки данных»
ПараметрыA1=100 A2=5 A3=0,4 A6=0,7 A7=-0,5 A8=0,5
Линейный график отклика Y:
Резко выделяющихся наблюдений нет.
Оценивание статистических свойств входных факторов X1, X2 и отклика Y:
Описательные статистики
|
N |
Среднее |
Медиана |
Мода |
Частота |
Минимум |
Максиму |
Дисперс |
Стд.откл |
Асиммет- |
Эксцесс |
|
набл |
|
|
|
|
|
м |
|
|
рия |
|
|
|
|
|
|
|
|
|
|
|
|
|
X1 |
30 |
4,919 |
5,379 |
Множест |
1 |
1,49 |
9,552 |
4,13 |
2,0334 |
0,350434 |
-0,418373 |
|
|
|
|
|
|
|
|
|
|
||
X2 |
30 |
50,193 |
50,267 |
Множест |
1 |
45,88 |
53,461 |
3,94 |
1,9861 |
-0,216974 |
-0,368329 |
|
|
|
|
|
|
|
|
|
|
||
Y |
30 |
-973,394 |
-994,511 |
Множест |
1 |
-1222,52 |
-770,561 |
14720,36 |
121,3275 |
-0,118648 |
-0,591397 |
|
|
|
|
|
|
|
|
|
|
|
|
Для X1:
Прмн: X1, Распред.:Хи-квадрат Колмогоров-Смирнов d = 0,13264, Хи-квадрат = 12,60114,
сс = 2 (скорр.) , p = 0,00184
|
|
Наблюд. |
|
Кумул. |
|
Процент |
|
Кумул. % |
|
Ожидаем. |
|
Кумул. |
|
Процент |
|
Кумул. % |
|
Наблюд.- |
<= 2,50000 |
|
3 |
|
3 |
|
10,00000 |
|
10,0000 |
|
6,979154 |
|
6,97915 |
|
23,26385 |
|
23,2638 |
|
-3,97915 |
4,50000 |
|
9 |
|
12 |
|
30,00000 |
|
40,0000 |
|
8,953900 |
|
15,93305 |
|
29,84633 |
|
53,1102 |
|
0,04610 |
6,50000 |
|
14 |
|
26 |
|
46,66667 |
|
86,6667 |
|
6,500701 |
|
22,43375 |
|
21,66900 |
|
74,7792 |
|
7,49930 |
8,50000 |
|
2 |
|
28 |
|
6,66667 |
|
93,3333 |
|
3,799128 |
|
26,23288 |
|
12,66376 |
|
87,4429 |
|
-1,79913 |
< бесконеч. |
2 |
|
30 |
|
6,66667 |
|
100,0000 |
|
3,767117 |
|
30,00000 |
|
12,55706 |
|
100,0000 |
|
-1,76712 |
0.002<0,05, По критерию Пирсона нулевая гипотеза о нормальности закона распределения X1 должна быть отвергнута.
Гистограмма X1:
Объем выборки n=30
Dкр = D30; 0,05 =0,24; Dвыб = 0,13 Dвыб < Dкр
По критерию Колмогорова-Смирнова нулевая гипотеза о нормальности закона распределения X1 не должна быть отвергнута.
Нормальный вероятностный график X1:
Согласно нормальному вероятностному графику закон распределения X1 не соответствует нормальному.
Для X2:
Прмн: X2, Распред.:Хи-квадрат Колмогоров-Смирнов d = 0,32723, p < 0,01 Хи-квадрат = 57,03540, сс = 1 (скорр.) , p = 0,00000
|
Наблю |
Кумул. |
Процент |
Кумул. % |
Ожидаем. |
Кумул. |
Процент |
Кумул. % |
Наблюд |
|
д. |
|
|
|
|
|
|
|
.- |
<= 46,90000 |
2 |
2 |
6,66667 |
6,6667 |
11,81688 |
11,81688 |
39,38960 |
39,3896 |
-9,81688 |
48,80000 |
6 |
8 |
20,00000 |
26,6667 |
2,30315 |
14,12004 |
7,67718 |
47,0668 |
3,69685 |
50,70000 |
9 |
17 |
30,00000 |
56,6667 |
2,27672 |
16,39676 |
7,58907 |
54,6559 |
6,72328 |
52,60000 |
9 |
26 |
30,00000 |
86,6667 |
2,17299 |
18,56975 |
7,24331 |
61,8992 |
6,82701 |
<бесконеч. |
4 |
30 |
13,33333 |
100,0000 |
11,43025 |
30,00000 |
38,10084 |
100,0000 |
-7,43025 |
0.0<0,05
По критерию Пирсона нулевая гипотеза о нормальности закона распределения X2 должна быть отвергнута.
Гистограмма X2:
Объем выборки n=30
Dкр = D30; 0,05 =0,24; Dвыб = 0,099 Dвыб < Dкр
2
По критерию Колмогорова-Смирнова нулевая гипотеза о нормальности закона распределения X2 не должна быть отвергнута.
Нормальный вероятностный график X2:
Согласно нормальному вероятностному графику закон распределения X2 близок к нормальному.
Для Y: Гистограмма Y:
Dкр = D30; 0,05 =0,24, Dвыб = 0,109 Dвыб < Dкр
По критерию Колмогорова-Смирнова нулевая гипотеза о нормальности закона распределения Y не должна быть отвергнута.
Нормальный вероятностный график Y:
Согласно нормальному вероятностному графику закон распределения Y близок к нормальному.
3
Зависимость отклика Y от входного фактора X1:
Возможна линейная зависимость.
Зависимость отклика Y от входного фактора X2:
Возможна линейная или слабая нелинейная зависимость. Матрица парных коэффициентов корреляции:
Корреляции
|
X1 |
X2 |
Y |
|
|
|
|
X1 |
1,00 |
-0,01 |
0,63 |
|
|
|
|
X2 |
-0,01 |
1,00 |
-0,78 |
|
|
|
|
Y |
0,63 |
-0,78 |
1,00 |
|
|
|
|
На отклик Y сильно влияют и входной фактор X1, и входной фактор X2. Корреляционная связь между входными факторами X1 и X2 слабая.
4
1.Набор базисных функций для включения в модель:
Y=b0+b1×X1+b2×X2+b3×X12+b4×X22+b5×X1×X2
2.Расчет модели функции отклика с использованием шагового алгоритма с включением.
Шаг 0
Результаты множ. регрессии(Шаг |
0) |
|
|
||
Зав.перем.:Y |
|
Множест. R = 0,00000000 |
F = 0,000000 |
||
Число набл.: |
30 |
|
R2= 0,00000000 |
сс = |
0,29 |
скоррект.R2= 0,00000000 |
p = |
-0,00000 |
Стандартная ошибка оценки:121,32749369
Шаг 0: В уравнении регрессии нет переменных
Избыточность независимых переменных; ЗП: Y Столбец R-квадрат содержит значения R-квадрат для соотв. переменных по отношению ко всем остальным переменным
|
Толеран. |
R-квадр. |
Частная |
Получаст |
|
|
|
|
|
|
|
|
|
|
X1 |
1,000000 |
0,00 |
0,634534 |
0,634534 |
|
|
|
|
|
X2 |
1,000000 |
0,00 |
-0,776886 |
-0,776886 |
|
|
|
|
|
X11 |
1,000000 |
0,00 |
0,614676 |
0,614676 |
|
|
|
|
|
X22 |
1,000000 |
0,00 |
-0,779336 |
-0,779336 |
|
|
|
|
|
X1X2 |
1,000000 |
0,00 |
0,563429 |
0,563429 |
|
|
|
|
|
Переменные не в уравнении; ЗП: Y
|
Бета(в) |
Частная |
Получаст |
Толеран. |
Минимум |
t(28) |
p-уров. |
|||
|
|
|
|
|
|
|
|
|
|
|
X1 |
0,634534 |
0,634534 |
0,634534 |
|
1,000000 |
|
1,000000 |
4,34424 |
0,000166 |
|
|
|
|
|
|
|
|
|
|
||
X2 |
-0,776886 |
-0,776886 |
-0,776886 |
|
1,000000 |
|
1,000000 |
-6,52895 |
0,000000 |
|
|
|
|
|
|
|
|
|
|
||
X11 |
0,614676 |
0,614676 |
0,614676 |
|
1,000000 |
|
1,000000 |
4,12353 |
0,000301 |
|
|
|
|
|
|
|
|
|
|
||
X22 |
-0,779336 |
-0,779336 |
-0,779336 |
|
1,000000 |
|
1,000000 |
-6,58127 |
0,000000 |
|
|
|
|
|
|
|
|
|
|
||
X1X2 |
0,563429 |
0,563429 |
0,563429 |
|
1,000000 |
|
1,000000 |
3,60871 |
0,001187 |
|
|
|
|
|
|
|
|
|
|||
|
|
Текущая матрица выметания |
|
|
|
|||||
|
X1 |
X2 |
X11 |
|
X22 |
|
X1X2 |
|
Y |
|
|
|
|
|
|
|
|
|
|||
X1 |
1,000000 |
-0,010178 |
0,976508 |
-0,013298 |
0,995641 |
0,634534 |
|
|||
|
|
|
|
|
|
|
|
|||
X2 |
-0,010178 |
1,000000 |
0,007713 |
0,999723 |
0,078852 |
-0,776886 |
|
|||
|
|
|
|
|
|
|
|
|||
X11 |
0,976508 |
0,007713 |
1,000000 |
0,003309 |
0,973163 |
0,614676 |
|
|||
|
|
|
|
|
|
|
|
|||
X22 |
-0,013298 |
0,999723 |
0,003309 |
1,000000 |
0,075631 |
-0,779336 |
|
|||
|
|
|
|
|
|
|
|
|||
X1X2 |
0,995641 |
0,078852 |
0,973163 |
0,075631 |
1,000000 |
0,563429 |
|
|||
|
|
|
|
|
|
|
|
|||
Y |
0,634534 |
-0,776886 |
0,614676 |
-0,779336 |
0,563429 |
1,000000 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
1-R2=1
Квадрат множественного коэффициента корреляции R2=0.
Наиболее сильно связанный с откликом регрессор X22 – он обладает наибольшим частным коэффициентом корреляции.
5
Шаг 1
Результаты множ. регрессии(Шаг |
1) |
|
|
|
||
Зав.перем.:Y |
|
Множест. R = |
,77933643 |
F = 43,31310 |
||
Число набл.: |
30 |
|
R2= |
,60736527 |
сс = |
1,28 |
скоррект.R2= |
,59334260 |
p = |
,000000 |
|
|
|
|
|
Стандартная ошибка оценки:77,370172706 |
|
|
|
|
||||||||||||||||
|
Своб.член: 227,71982052 Ст.ошибка: 183,0507 t( |
28) = 1,2440 p = ,2238 |
|
||||||||||||||||||||||
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X22 бета=-,78 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
Переменные входящие в уравнение; ЗП: Y |
|
|
|
|
||||||||||||||||
|
|
Бета |
|
Частная |
Получаст |
Толеран. |
|
R-квадр. |
t(28) |
p-уров. |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
X22 |
-0,779336 |
-0,779336 |
-0,779336 |
1,000000 |
0,00 |
|
-6,58127 |
0,000000 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ; ЗП: Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
Сумма |
сс |
Средн. |
|
|
F |
|
p-уров. |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Регресс. |
259278,4 |
1 |
259278,4 |
43,31310 |
0,000000 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
Остатки |
167612,0 |
28 |
5986,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Итого |
426890,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Итоги пошаговой регрессии ; ЗП: Y |
|
|
|
|
|
|
|
|||||||||||||
|
|
Шаг |
Множест. |
|
Множест. |
R-квадр. |
|
F - |
|
p-уров. |
Перем. |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
X22 |
1 |
0,779336 |
|
0,607365 |
0,607365 |
43,31310 |
0,000000 |
1 |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Итоги регрессии для зависимой переменной: Y R= ,77933643 R2= ,60736527 Скорректир. R2= ,59334260 F(1,28)=43,313 p
|
|
|
|
БЕТА |
|
Стд.Ош. |
|
B |
Стд.Ош. |
t(28) |
p-уров. |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Св.член |
|
|
|
|
|
|
227,7198 |
|
183,0507 |
1,24403 |
0,223804 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X22 |
-0,779336 |
|
0,118417 |
|
-0,4760 |
|
0,0723 |
|
|
-6,58127 |
0,000000 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
Текущая матрица выметания |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X1 |
|
X2 |
X11 |
|
X22 |
|
X1X2 |
|
Y |
|
|
|
X1 0,999823 0,003117 0,976552 -0,01330 0,996647 0,624171
X2 0,003117 0,000554 0,004406 0,99972 0,003242 0,002234
X11 0,976552 0,004406 0,999989 0,00331 0,972913 0,617254
X22 -0,013298 0,999723 0,003309 -1,00000 0,075631 -0,779336
X1X2 0,996647 0,003242 0,972913 0,07563 0,994280 0,622372
Y 0,624171 0,002234 0,617254 -0,77934 0,622372 0,392635
1-R2= 0,392635
Квадрат коэффициента множественной корреляции R2=0,60736527.
6
Избыточность независимых переменных; ЗП: Y Столбец R-квадрат содержит значения R-квадрат для соотв. переменных по отношению ко всем остальным переменным
|
Толеран. |
R-квадр. |
Частная |
Получаст |
|
|
|
|
|
X22 |
1,000000 |
0,000000 |
-0,779336 |
-0,779336 |
|
|
|
|
|
X1 |
0,999823 |
0,000177 |
0,996202 |
0,624226 |
|
|
|
|
|
X2 |
0,000554 |
0,999446 |
0,151432 |
0,094888 |
|
|
|
|
|
X11 |
0,999989 |
0,000011 |
0,985081 |
0,617258 |
|
|
|
|
|
X1X2 |
0,994280 |
0,005720 |
0,996096 |
0,624159 |
|
|
|
|
|
После включения в модель первой базисной функции наибольшим частным коэффициентом корреляции и при этом достаточно большой толерантностью обладает базисная функция X1.
Шаг 2
Результаты множ. регрессии(Шаг |
2) |
|
|
|
||
Зав.перем.:Y |
|
Множест. R = |
,99851047 |
F = 4521,520 |
||
Число набл.: |
30 |
|
R2= |
,99702317 |
сс = |
2,27 |
скоррект.R2= |
,99680266 |
p = |
0,000000 |
|
|
|
|
Стандартная ошибка оценки: 6,860466448 |
|
|
||||||||||
|
Своб.член: 31,694429388 Ст.ошибка: 16,56277 t( |
27) = 1,9136 p = ,0663 |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X22 бета=-,77 |
|
X1 бета=,624 |
|
|
|
||||||||
|
|
|
|
Переменные входящие в уравнение; ЗП: Y |
|
|
||||||||||
|
|
Бета |
Частная |
Получаст |
Толеран. |
R-квадр. |
t(27) |
p-уров. |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
X22 |
-0,771035 |
-0,997505 |
-0,770967 |
0,999823 |
0,000177 |
-73,4244 |
0,000000 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
X1 |
0,624281 |
0,996202 |
0,624226 |
0,999823 |
0,000177 |
59,4492 |
0,000000 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ; ЗП: Y |
|
|
|
|
|
||||||||
|
|
|
Сумма |
сс |
Средн. |
|
F |
|
p-уров. |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||||
Регресс. |
425619,7 |
2 |
212809,8 |
4521,520 |
0,000000 |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
Остатки |
1270,8 |
27 |
47,1 |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Итого |
426890,5 |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
После включения регрессора X1 в модель увеличилась сумма квадратов, связанная с регрессией, и уменьшилась остаточная сумма квадратов. Общая сумма квадратов не изменилась.
|
|
|
Итоги пошаговой регрессии ; ЗП: Y |
|
|
|
|
|
|||||||
|
Шаг |
Множест. |
Множест. |
R-квадр. |
|
F - |
p-уров. |
Перем. |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X22 |
1 |
0,779336 |
|
0,607365 |
|
0,607365 |
43,313 |
0,000000 |
1 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
||||
X1 |
2 |
0,998510 |
|
0,997023 |
|
0,389658 |
3534,212 |
0,000000 |
2 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Итоги регрессии для зависимой переменной: Y R= ,99851047 R2= ,99702317 Скорректир. |
|||||||||||||
|
|
|
|
|
|
|
R2= ,99680266 F(2,27)=4521,5 p |
|
|
||||||
|
|
|
|
БЕТА |
|
Стд.Ош. |
|
|
B |
|
Стд.Ош. |
t(27) |
p-уров. |
||
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
Св.член |
|
|
|
|
|
|
31,69443 |
16,56277 |
|
1,9136 |
0,066329 |
||||
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|||||||
|
X22 |
|
-0,771035 |
0,010501 |
|
-0,47097 |
0,00641 |
|
-73,4244 |
0,000000 |
|||||
|
|
|
|
|
|
|
|
|
|||||||
|
X1 |
|
0,624281 |
0,010501 |
|
37,24843 |
0,62656 |
|
59,4492 |
0,000000 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7
Текущая матрица выметания
|
X1 |
X2 |
X11 |
X22 |
X1X2 |
|
Y |
X1 -1,00018 0,003117 0,976725 -0,01330 0,996823 0,624281
X2 0,00312 0,000545 0,001361 0,99976 0,000135 0,000288
X11 0,97672 0,001361 0,046167 0,01630 -0,000537 0,007611
X22 -0,01330 0,999764 0,016297 -1,00018 0,088887 -0,771035
X1X2 0,99682 0,000135 -0,000537 0,08889 0,000799 0,000184
Y 0,62428 0,000288 0,007611 -0,77103 0,000184 0,002977
1-R2=0,002977
Квадрат коэффициента множественной корреляции R2=0,99702317.
Избыточность независимых переменных; ЗП: Y Столбец R-квадрат содержит значения R-квадрат для соотв. переменных по отношению ко всем остальным переменным
|
Толеран. |
R-квадр. |
Частная |
Получаст |
|
|
|
|
|
X22 |
0,999823 |
0,000177 |
-0,997505 |
-0,770967 |
|
|
|
|
|
X1 |
0,999823 |
0,000177 |
0,996202 |
0,624226 |
|
|
|
|
|
X2 |
0,000545 |
0,999455 |
0,226540 |
0,012360 |
|
|
|
|
|
X11 |
0,046167 |
0,953833 |
0,649258 |
0,035424 |
|
|
|
|
|
X1X2 |
0,000799 |
0,999201 |
0,119278 |
0,006508 |
|
|
|
|
|
После включения в модель первой и второй базисной функции наибольшим частным коэффициентом корреляции и наибольшей толерантностью обладает базисная функция X11.
Шаг 3
Результаты множ. регрессии(шаг |
3, оконч. решение) |
|
|
||
другие F-включить не выше указ. значения |
,99913863 |
F = 5024,269 |
|||
Зав.перем.:Y |
Множест. R = |
||||
Число набл.: 30 |
|
R2= |
,99827801 |
сс = |
3,26 |
скоррект.R2= |
,99807932 |
p = |
0,000000 |
|
|
|
Стандартная ошибка оценки: 5,317247862 |
|
|
|
|||||
|
Своб.член: 57,312673808 |
Ст.ошибка: 14,12196 t( |
26) = 4,0584 p = ,0004 |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X22 бета=-,77 |
|
X1 бета=,463 |
|
X11 бета=,165 |
|||||
|
|
|
Переменные входящие в уравнение; ЗП: Y |
|
|
|
|||||
|
|
Бета |
Частная |
Получаст |
Толеран. |
R-квадр. |
t(26) |
|
p-уров. |
|
|
|
|
|
|
|
|
|
|
|
|||
X22 |
-0,773722 |
-0,998556 |
-0,771438 |
0,994105 |
0,005895 |
-94,7921 |
0,000000 |
|
|||
|
|
|
|
|
|
|
|
|
|
||
|
X1 |
0,463252 |
0,922989 |
0,099528 |
0,046159 |
0,953841 |
12,2297 |
|
0,000000 |
|
|
|
|
|
|
|
|
|
|
|
|||
X11 |
0,164866 |
0,649258 |
0,035424 |
0,046167 |
0,953833 |
4,3528 |
|
0,000185 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ; ЗП: Y
|
Сумма |
сс |
Средн. |
F |
p-уров. |
|
|
3 |
|
|
|
Регресс. |
426155,4 |
142051,8 |
5024,269 |
0,000000 |
|
|
|
|
|
|
|
Остатки |
735,1 |
26 |
28,3 |
|
|
|
|
|
|
|
|
Итого |
426890,5 |
|
|
|
|
|
|
|
|
|
|
8
После включения регрессора X11 в модель увеличилась сумма квадратов, связанная с регрессией, и уменьшилась остаточная сумма квадратов. Общая сумма квадратов не изменилась.
Итоги пошаговой регрессии ; ЗП: Y
|
Шаг |
Множест. |
Множест. |
R-квадр. |
F - |
p-уров. |
Перем. |
|
|
|
|
|
|
|
|
X22 |
1 |
0,779336 |
0,607365 |
0,607365 |
43,313 |
0,000000 |
1 |
|
|
|
|
|
|
|
|
X1 |
2 |
0,998510 |
0,997023 |
0,389658 |
3534,212 |
0,000000 |
2 |
|
|
|
|
|
|
|
|
X11 |
3 |
0,999139 |
0,998278 |
0,001255 |
18,947 |
0,000185 |
3 |
|
|
|
|
|
|
|
|
Итоги регрессии для зависимой переменной: Y R= ,99913863 R2= ,99827801 Скорректир. R2= ,99807932 F(3,26)=5024,3 p
|
БЕТА |
Стд.Ош. |
B |
Стд.Ош. |
t(26) |
p-уров. |
|
|
|
|
|
|
|
Св.член |
|
|
57,31267 |
14,12196 |
4,0584 |
0,000401 |
|
|
|
|
|
|
|
X22 |
-0,773722 |
0,008162 |
-0,47261 |
0,00499 |
-94,7921 |
0,000000 |
|
|
|
|
|
|
|
X1 |
0,463252 |
0,037879 |
27,64048 |
2,26010 |
12,2297 |
0,000000 |
|
|
|
|
|
|
|
X11 |
0,164866 |
0,037876 |
0,91454 |
0,21011 |
4,3528 |
0,000185 |
|
|
|
|
|
|
|
Текущая матрица выметания
|
X1 |
X2 |
X11 |
X22 |
X1X2 |
Y |
|
|
|
|
|
|
|
X1 |
-21,6643 |
-0,025685 |
21,1565 |
-0,35809 |
1,008189 |
0,463252 |
|
|
|
|
|
|
|
X2 |
-0,0257 |
0,000505 |
0,0295 |
0,99928 |
0,000151 |
0,000064 |
|
|
|
|
|
|
|
X11 |
21,1565 |
0,029489 |
-21,6607 |
0,35301 |
-0,011636 |
0,164866 |
|
|
|
|
|
|
|
X22 |
-0,3581 |
0,999284 |
0,3530 |
-1,00593 |
0,089077 |
-0,773722 |
|
|
|
|
|
|
|
X1X2 |
1,0082 |
0,000151 |
-0,0116 |
0,08908 |
0,000793 |
0,000273 |
|
|
|
|
|
|
|
Y |
0,4633 |
0,000064 |
0,1649 |
-0,77372 |
0,000273 |
0,001722 |
|
|
|
|
|
|
|
1- R2=0,001722
Квадрат коэффициента множественной корреляции R2=0,99827801.
Избыточность независимых переменных; ЗП: Y Столбец R-квадрат содержит значения R-квадрат для соотв. переменных по отношению ко всем остальным переменным
|
|
|
|
|
|
Толеран. |
R-квадр. |
Частная |
Получаст |
|
|
|
|
|
X22 |
0,994105 |
0,005895 |
-0,998556 |
-0,771438 |
|
|
|
|
|
X1 |
0,046159 |
0,953841 |
0,922989 |
0,099528 |
|
|
|
|
|
X11 |
0,046167 |
0,953833 |
0,649258 |
0,035424 |
|
|
|
|
|
X2 |
0,000505 |
0,999495 |
0,068677 |
0,002850 |
|
|
|
|
|
X1X2 |
0,000793 |
0,999207 |
0,233253 |
0,009679 |
|
|
|
|
|
Толерантность базисных функций X2 и X1X2 мала по сравнению с остальными; их частные коэффициенты корреляции меньше, чем коэффициенты других базисных функций. Так как больше нет претендентов на включение, расчет закончен.
9
Итоговая таблица:
Итоги регрессии для зависимой переменной: Y R= ,99913863 R2= ,99827801 Скорректир. R2= ,99807932 F(3,26)=5024,3 p
|
БЕТА |
Стд.Ош. |
B |
Стд.Ош. |
|
t(26) |
p-уров. |
|
|
||||||
Св.член |
|
|
57,31267 |
14,12196 |
|
4,0584 |
0,000401 |
X22 |
-0,773722 |
0,008162 |
-0,47261 |
0,00499 |
|
-94,7921 |
0,000000 |
X1 |
0,463252 |
0,037879 |
27,64048 |
2,26010 |
|
12,2297 |
0,000000 |
X11 |
0,164866 |
0,037876 |
0,91454 |
0,21011 |
|
4,3528 |
0,000185 |
Вид полученной модели с оценками параметров:
Y = 57,3 + 27,6×X1 + 0,91×X12 - 0,47×X22
Получение модели функции отклика с использованием быстрого алгоритма расчета.
Результаты множ. регрессии
Зав.перем.:Y |
|
Множест. R = |
,99918567 |
F |
= 2943,626 |
|
Число набл.: |
30 |
R2= |
,99837201 |
сс |
= |
5,24 |
скоррект.R2= |
,99803285 |
p |
= |
0,000000 |
|
Стандартная ошибка оценки: 5,381186765 |
|||
Своб.член: 65,414093199 |
Ст.ошибка: 588,9190 t( |
24) = ,11107 p = ,9125 |
||
|
|
|
|
|
X1 |
бета=,122 |
X2 |
бета=,026 |
X11 бета=,168 |
X22 |
бета=-,83 |
X1X2 |
бета=,339 |
|
Дисперсионный анализ; ЗП: Y
|
Сумма |
сс |
Средн. |
F |
p-уров. |
Регресс. |
426195,5 |
5 |
85239,10 |
2943,626 |
0,000000 |
Остатки |
695,0 |
24 |
28,96 |
|
|
Итого |
426890,5 |
|
|
|
|
Итоговая таблица:
Итоги регрессии для зависимой переменной: Y R= ,99918567 R2= ,99837201 Скорректир. R2= ,99803285 F(5,24)=2943,6 p
|
БЕТА |
Стд.Ош. |
B |
Стд.Ош. |
t(24) |
p-уров. |
Св.член |
|
|
65,41409 |
588,9190 |
0,11107 |
0,912481 |
X1 |
0,122225 |
0,308514 |
7,29268 |
18,4078 |
0,39617 |
0,695478 |
X2 |
0,025721 |
0,377533 |
1,57126 |
23,0632 |
0,06813 |
0,946248 |
X11 |
0,168051 |
0,040300 |
0,93221 |
0,2236 |
4,16997 |
0,000343 |
X22 |
-0,829613 |
0,371880 |
-0,50675 |
0,2272 |
-2,23087 |
0,035295 |
X1X2 |
0,338913 |
0,301202 |
0,40009 |
0,3556 |
1,12520 |
0,271631 |
Вид полученной модели с оценками параметров: Y = 65,4 + 0,9×X12 - 0,5×X22
3.Сравнительный анализ качества двух моделей.
1.Сложность модели.
Модель, полученная с помощью шагового алгоритма расчета, включает 3 базисные функции: X1, X12, X22.
Модель, полученная с помощью быстрого алгоритма расчета, включает 2 базисные функции: X12, X22.
10