Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
7
Добавлен:
19.01.2025
Размер:
2 Мб
Скачать
☆

 

 

∙

(27)

 

 

Здесь – стандартное отклонение независимой переменной X, – стандартное отклонение зависимой переменной, рассчитываемые по формулам

(28)-(29).

 

 

1

1

 

 

(28)

 

 

1

1

 

 

(29)

Рассчитаем стандартные отклонения переменных по подготовленным вспомогательным расчетам таблицы 32.

 

 

 

∙ 1141,7

9,75

 

 

 

 

 

 

 

∙ 8071,6

25,94

 

 

 

 

Тогда

 

0,29 ∙ 25,94 /9,75 0,77

. Нормированный коэффициент

показывает,

 

 

на

сколько своих стандартных отклонений изменится Y, если X

изменится на одно свое стандартное отклонение. Таким образом, если время

работы уменьшится на

 

суток), число сбоев также уменьшится,

но на

0,77 ∙

0,77 ∙

25,94 26 ((сбоев).

 

9,75

7,512 8

Ответ: если время работы уменьшится на 26 суток, число сбоев уменьшится на 8.

3.1.5 Интерпретация параметров регрессии на основе коэффициента эластичности независимой переменной

Задача для решения в классе (пример 3.6).

На основании результатов решения задачи 3.1 (Таблица 32), определите, на сколько процентов в среднем изменится число сбоев, если время работы возрастет в среднем на 5%?

Решение

Рассчитаем коэффициент эластичности Y по X по формуле (30):

51

 

 

 

 

 

 

 

Э /

 

∙

 

(30)

 

 

 

 

 

 

 

 

 

 

Здесь ̅– среднее значение фактора, – среднее зависимой переменной.

 

∑

 

 

/

213/13

16,38

 

 

 

 

̅

∑

 

 

/

826,5/13

63,58

 

 

Тогда

Э /

 

 

0,29/16,38 ∙ 63,58

 

.

 

 

 

 

 

 

 

1,1%

 

 

Коэффициент эластичности показывает, на сколько процентов в среднем

изменится Y, если X изменится в среднем на 1%. Следовательно, если среднее

времяработывозрастетна5% (тоестьна

63,58 ∙ 1,05 67

суток), среднеечисло

сбоев изменится на

 

 

, то

 

.

 

 

 

 

 

 

1,1% ∙ 5 5,5%

есть, вырастет на

 

Ответ:

 

 

 

 

 

16,38 ∙ 1,055 17

 

 

 

еслисреднеевремяработывозрастетна5%, тосреднеечислосбоев

изменится на 5,5%, то есть, вырастет примерно на 17.

Задача для решения в классе (пример 3.7).

На статистике 2005 года по районам Ставропольского края исследуется зависимость прибыли (убытка) сельхозпредприятий в млн руб. (Y) от среднемесячной заработной платы работающих в рублях (X1) и отношения индивидуальной цены 1 центнера зерна к средней по краю (X2). Описательная статистика по показателям приводится в таблице 35. Получено уравнение регрессии: 185,3 0,04 1 424,78 2.

Таблица 35 – Описательные статистики переменных примера 3.7

Наименование статистики

 

 

Значения

 

Y

 

X1

X2

 

 

Среднее

 

75,2

4074

1,002

Стандартное отклонение ( )

 

51,7

909

0,102

А) Рассчитайте нормированные коэффициенты регрессии для X1, X2. Б) Рассчитайте коэффициенты эластичности для факторов X1, X2.

В) По рассчитанным значениям определите, какой из факторов сильнее влияет на Y.

Г) Определите, на сколько процентов в среднем измениться Y, если X2 увеличится на 3%, а X1 останется на прежнем уровне.

Решение А) По формуле (27) определим нормированные коэффициенты регрессии

52

 

0,04 ∙

909

0,7;

 

424,78 ∙

0,102

0,84

51,7

51,7

Б) Воспользуемся формулой (30) для определения коэффициента эластичности:

Э

Э

⁄

⁄

0,04 ∙

4074

2,17%

75,2

 

1,002

 

424,78

∙

75,2

5,66%

В) Поскольку

 

 

, при изменении X2 на одно стандартное

 

 

 

сильнее, чем при изменении X1.

отклонение Y меняется| |

| |

 

Поскольку

Э ⁄

 

Э ⁄

, при изменении среднего значения X2 на 1%

Y в среднем

 

 

 

 

меняется сильнее, чем при изменении X1.

Следовательно,

показатель X2 – отношение индивидуальной цены 1

центнера зерна к средней по краю – сильнее влияет на изменение зависимой переменной Y – прибыль (убыток) сельхозпредприятий Ставропольского края, в млн. рублей. Среднемесячная заработная плата работающих на сельхозпредприятиях в рублях оказывает несколько меньшее влияние на прибыль этих предприятий. Причем связь прибыли с ценой центнера зерна прямая (с ростом цены прибыль растет), а с заработной платой работников – обратная (с ростом зарплаты прибыль сокращается).

Г) Коэффициент эластичности Y по X показывает, на сколько процентов в среднем изменится Y, если среднее значение X изменится на 1%, а средние

остальных факторов не изменятся. Тогда изменение на 3%:

 

 

Следовательно,∆

Э ⁄ ∙ 3 5,66% ∙ 0,5 16,98%

 

 

 

 

при увеличении отношения индивидуальной цены

центнера зерна к средней по Ставропольскому краю на 3%, т.е. на

на 16,98%,

3,006т.е.

 

рубля, средняя прибыль этих предприятий за год увеличится

3 ∙ 1,002

 

0,1698 ∙ 75,2

12,8

млн рублей.

 

на

 

 

 

3.1.6 Идентификация параметров множественной регрессии.

Задача для решения в классе (пример 3.8).

Имеются данные по зерну: валовые сборы, посевные площади, количество внесенных удобрений и средние цены (таблица 36). Оцените параметры множественной регрессии.

53

Таблица 36 – Исходные данные к примеру 3.8 по теме 3.

 

 

 

 

 

 

 

Посевные

Внесено

 

 

 

2

 

i

Регион

1

площади под

минеральных

Валовые

 

 

удобрений,

сборы, млн ц

 

 

зерно, млн га

млн ц

 

 

 

 

 

1

Белгородская обл.

0,75

0,38

25,0

2

Брянская область

0,31

0,09

5,9

3

Владимирская обл.

0,08

0,03

1,8

4

Воронежская обл.

1,39

0,45

31,1

5

Ивановская область

0,06

0,01

1,2

6

Калужская область

0,08

0,03

1,7

7

Костромская обл.

0,05

0,00

0,6

8

Курская область

0,95

0,44

28,4

9

Липецкая область

0,76

0,50

18,7

10

Московская область

0,09

0,05

2,4

11

Орловская область

0,77

0,38

20,7

12

Рязанская область

0,51

0,21

10,6

13

Смоленская область

0,12

0,02

2,2

14

Тамбовская область

0,89

0,29

18,7

15

Тверская область

0,07

0,01

0,8

16

Тульская область

0,47

0,20

11,4

17

Ярославская область

0,05

0,02

0,8

Решение

Запишем модель множественной регрессии в общем виде.

 

 

1

 

2

 

,

 

Для нахождения вектора

 

 

оценок коэффициентов

воспользуемся методом наименьших квадратов. Используем формулу оценки параметров регрессии в матричном виде (25).

Запишем расширенную матрицу независимых переменных , составленную из значений независимых переменных с добавленным единичным столбцом:

 

 

 

 

 

1

…

 

1

 

 

 

 

 

 

 

…

 

 

 

 

 

 

 

0,75

 

0,05

 

 

 

 

 

 

 

0,38

… 0,02

 

 

 

Находим произведение транспонированной матрицы на матрицу .

 

1

…

1

1

0,75

0,38

17

7,4

3,11

 

…

0,75

…

0,05

…

…

…

 

7,4

5,9856

2,5022

 

0,38

0,02

1

0,0554

0,02

3,11

2,5022

1,1165

Находим обратную матрицу (методом Гаусса-Жордана, с помощью матрицы алгебраических дополнений или с помощью любого программного обеспечения, поддерживающего матричные вычисления). В Excel можно использоватьфункцииМОБР, МУМНОЖ. Округлимрезультатдо5 знаковпосле запятой.

 

 

0,12743

0,14505

0,02988

0,14505

2,81136

5,89653

 

 

0,02988

5,89653

14,19366

Находим произведение матрицы на вектор зависимой переменной :

 

1

…

1

25,0

182

 

…

0,75

…

0,05

…

149,304

 

0,38

0,02

0,8

63,972

Получаем вектор-столбец оценок параметров регрессии:

 

 

 

0,12743

0,14505

0,02988

182

0,376

0,14505

2,81136

5,89653

149,304

16,135

 

 

 

0,02988

5,89653

14,19366

63,972

22,183

 

Оцененное уравнение регрессии примет вид

0,376

16,135Х1

22,183 2

Ответ. Оцененная модель зависимости величины валовых сборов зерна от посевных площадей под зерно X1 и количества внесенных удобрений X2:

0,376 16,135 1 22,183 2.

3.2 РЕАЛИЗАЦИЯ ЭТАПА ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ ПАРНОЙ РЕГРЕССИИ В EXCEL

Задача для решения в классе (пример 3.9).

Получить отчет Excel «Регрессия» по данным примера 3.1 (таблица 32)

Решение

Для получения отчета построения модели парной регрессии в Excel воспользуемся пунктом меню «Анализ данных»/ «Регрессия». В диалоговом окне занесем диапазоны зависимой (входной интервал Y) и независимой переменной (входной интервал X). Выходной интервал, где будет размещаться

55

отчет можно указать произвольно. Результаты идентификации параметров парной регрессии по данным примеров 3.1, 3.3 представлены в таблице 37.

Таблица 37 - Фрагмент результатов построения регрессии (идентификация параметров регрессии) ,Excel

 

 

Стандартная

 

 

Переменная

Коэффициенты

ошибка

t-статистика

P-Значение

Y-пересечение

-2,02705

4,503236

-0,45013

0,661357

Переменная X

0,289597

0,065947

4,391348

0,001079

На основании отчета получены «Коэффициенты регрессии». Константа в Excel представляется как «Y-пересечение».

Ответ: запишем модель с учетом найденных оценок параметров (в явном виде):

2,02705 0,289597X.

3.3 Задачи для самостоятельной отработки знаний навыков и умений по теме 3.

Задача 1. Самостоятельное решение задач по теме 3.

Деканат изучает динамику красных дипломов ряд лет. На основании проведенногокорреляционногоанализабыловыявлено, чтоколичество красных дипломов (KD) растет со временем и также зависит от количества дисциплин (X1), изучаемых студентами в течение всего периода обучения. Исходные данные представлены в таблице 38.

Таблица 38. - Исходные данные к задаче 1. Самостоятельное решение задач по теме 3.

KD

32

30

38

40

45

50

52

54

60

61

X1

50

48

46

46

45

45

43

42

41

40

Год

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

Построенные регрессионные модели приведены на рисунке 17.

А) Запишите полученные регрессионные модели в общем и в явном виде. Б) Рассчитайте нормированные оценки параметров второй модели.

В) Раccчитайте коэффициент эластичности по переменной X1. Сделайте вывод.

Г) Какая из двух независимых переменных оказывает большее влияния на зависимую переменную Y.

56

Рисунок 17. Отчет «Регрессия» в Excel для задачи 2. Самостоятельное решение задач по теме 3.

Задача 2. Самостоятельное решение задач по теме 3. Исходные данные к задаче 2 приведены в таблице 39

Таблица 39 – исходные данные для задачи 2. Самостоятельное решение задач по теме 3.

 

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

9

9

2

12

12

1

16

5

6

19

12

14

10

5

17

 

7

8

2

1

7

2

1

4

2

7

4

2

8

3

10

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

А) Используя любой программный пакет или вручную, постройте график взаимного разброса наблюдений. Можно ли по графику предположить наличие линейной взаимосвязи между Y и X?

Б) Оцените параметры парной линейной регрессии, где Y – зависимая переменная, X –независимая переменная на основе системы нормальных уравнений и в матричном виде с использованием Excel.

3.4 Решение тестовых заданий по теме 3

Тестовое задание 1 по теме 3

Оценивается зависимость Y от переменных X1, X2, значения которых приводятся в таблице 40. Укажите верную форму расширенной матрицы факторов для расчёта коэффициентов множественной линейной регрессии без константы.

57

Таблица 40 - Исходные данные для тестового задания 1 по теме 3

 

X1

 

 

4676,6

4917,6

5246,5

5679,2

6030,6

 

6177,1

6229,7

5355,3

5824,6

6145,8

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X2

 

 

0,52

0,53

0,53

0,53

0,53

 

 

 

0,54

0,54

 

0,54

0,54

0,53

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Y

 

 

1230

1280

3241

8269

1124

 

 

 

4251

3312

 

1180

1830

3254

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

А.

 

4676,6

0,52

 

 

 

 

В.

 

1

4676,6

 

0,52

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

…

…

 

 

 

 

 

 

…

…

 

…

 

 

 

 

 

 

 

 

6145,8

0,53

 

 

 

 

 

 

 

1

6145,8

0,53

 

 

 

 

 

Б.

 

4676,6

6145,8

 

 

 

 

Г.

 

1

4676,6

0,52

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

…

…

 

 

 

 

 

 

…

…

 

…

 

 

 

 

 

 

 

 

0,52

0,53

 

 

 

 

 

 

 

10

6145,8

0,53

 

 

Решение

В случае отсутствия константы в расширенной матрице независимых переменных будет отсутствовать единичный столбец. Поэтому ответ В) не подходит. Столбцы матрицы независимых переменных – это значения независимых переменных. Поэтому ответ Б) не подходит.

Ответ. А)

Тестовое задание 2 по теме 3

Осуществляется идентификация параметров простой линейной регрессии вида Y на основе системы нормальных уравнений. Определите значение параметра , если известны следующие значения.

241035

 

;

32

 

 

 

 

 

 

 

 

 

16

 

 

 

 

 

 

 

 

 

38

 

 

 

В.

 

 

 

 

А.

8

 

 

 

 

2,4

 

 

 

Б.

16

 

 

 

Г.

2

 

 

 

Решение

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

В представленных вспомогательных расчетах содержится избыточная

информация. Чтобы найти значение оценки

параметра

 

воспользуемся

формулой (21)

32

 

 

 

 

 

 

 

,

2

 

 

 

 

 

 

16

 

 

 

 

 

Ответ: Г)

 

 

 

 

 

 

 

 

 

 

58

 

 

 

 

3.5 Решение варианта контрольной работы №1 по теме 3

Задача 4. Контрольная работа 1 по теме 3.

По данным обучающей выборки представленным в таблице 41, рассчитайте параметры парной регрессии с использованием матричной записи. В ответе запишите модель в явном виде.

Таблица 41 - Исходные данные для задачи 4 контрольной работы 1 по теме 3

 

1

2

3

4

5

6

7

8

9

10

12,3

13

13,7

13,5

14,0

15,0

 

 

 

 

16,2

16,4

16,0

16,8

 

 

 

 

 

 

 

 

 

 

 

Решение

Модель парной регрессии, параметры которой необходимо найти,

представляется следующим образом:

 

 

 

 

∙

.

Оценки параметров

где Z

можно найти по формуле:

 

 

 

Y- вектор-столбец

–расширенная

матрица

независимых переменных,

 

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

зависимой переменной.

 

 

 

 

 

 

 

 

 

 

 

 

 

1

1

 

 

12.3

 

 

 

 

 

 

 

 

 

 

 

 

 

1

2

 

 

13

 

 

 

 

 

 

 

 

 

 

 

 

…

…

 

…

 

 

 

 

 

 

 

 

 

 

 

 

 

1

10

 

 

16.8

 

1

 

 

385

 

55

 

0,4667

0,0667

 

 

 

1

 

 

 

 

 

 

 

 

∆

∙

 

 

 

 

825

∙

55

10

 

0,0667

0,01212

∆

10 ∙ 385

 

 

825

 

 

 

 

 

 

 

 

 

 

55 ∙ 55

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

146,9

 

 

 

 

 

 

 

 

 

 

 

 

 

 

850

 

 

 

 

 

 

 

 

 

 

 

∙

 

11,8867

 

 

0,5097

0,5097 ∙

 

Ответ:

 

11,8867

59

Задача 5. Контрольная работа 1 по теме 3.

Дана выборка из 10 компаний производственного сектора, акции которых торгуются на NASDAQ (Таблица 42). За 2020 год известны значения показателей: Y – выручка, трлн долл. США; X – текущие обязательства, трлн долл. США.

Пусть Y –зависимая переменная, X – независимая. Запишите модель для выборки в общемвиде. Оценитепараметры парной регрессии наоснове системы нормальных уравнений. Запишите модель в явном виде.

Таблица 42 – Исходные данные и вспомогательные расчеты для задачи 5. Контрольная работа 1 по теме 3.

i

X

Y

 

 

 

 

 

 

 

 

 

 

 

1

0,64

1,05

0,36

0,42

0,13

 

0,18

 

 

0,15

 

0,410

0,672

 

 

 

 

 

2

0,04

0,06

-0,24

-0,57

0,06

 

0,32

 

 

0,14

 

0,002

0,002

3

0,08

0,47

-0,20

-0,16

0,04

 

0,03

 

 

0,03

 

0,006

0,038

4

0,13

0,79

-0,15

0,16

0,02

 

0,03

 

 

-0,02

 

0,017

0,103

5

0,96

1,51

0,68

0,88

0,46

 

0,77

 

 

0,60

 

0,922

1,450

6

0,31

0,17

0,03

-0,46

0,00

 

0,21

 

 

-0,01

 

0,096

0,053

7

0,12

0,63

-0,16

0,00

0,03

 

0,00

 

 

0,00

 

0,014

0,076

8

0,28

1,32

0,00

0,69

0,00

 

0,48

 

 

0,00

 

0,078

0,370

9

0,05

0,26

-0,23

-0,37

0,05

 

0,14

 

 

0,09

 

0,003

0,013

10

0,21

0,02

-0,07

-0,61

0,00

 

0,37

 

 

0,04

 

0,044

0,004

Σ

2,82

6,28

0,02

-0,02

0,79

 

2,53

 

 

1,02

 

1,532

2,781

Решение

Модель парной регрессии в общем виде будет иметь вид:

 

∙

 

 

 

,

1,02

1,29

 

0,79

Модель

в

0,282 1,29

∙ 0,628

 

0,528

1,29 ∙

Ответ:

 

явном виде примет вид:

 

0,528

 

 

0,528;

1,29;

 

0,528

1,29 ∙

ТЕМА 4. ВЕРИФИКАЦИЯ ФАКТОРНОЙ РЕГРЕССИОННОЙ МОДЕЛИ

4.1 Проверка значимости параметров регрессии

Задача для решения в классе (пример 4.1).

Исследуется зависимость показателя Y «число сбоев в работе станка» от

показателя X «суммарная длительность работы станка, в сутках» по 13 станкам

60