Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Статистика 3 курс.docx
Скачиваний:
10
Добавлен:
03.05.2015
Размер:
198.82 Кб
Скачать

1. Параметры уравнения регрессии.

Выборочные средние.

Выборочные дисперсии:

Среднеквадратическое отклонение

1.1. Коэффициент корреляции

Ковариация.

Линейный коэффициент корреляции принимает значения от –1 до +1.

1.2. Уравнение регрессии (оценка уравнения регрессии).

Линейное уравнение регрессии имеет вид y = 0.0414 x -46120.33

Коэффициентам уравнения линейной регрессии можно придать экономический смысл.

1.3. Коэффициент эластичности.

Бета – коэффициент

1.4. Ошибка аппроксимации.

Для оценки качества параметров регрессии построим расчетную таблицу

x

y

y(x)

(yi-ycp)2

(y-y(x))2

(xi-xcp)2

|y - yx|:y

690349

7129

-17532.53

1212019569.43

608190962.83

2062783080652

3.46

818566

7645

-12222.98

1176357703.72

394736576.81

1710922113064.9

2.6

1243431

10574

5370.96

984018642.29

27071655.08

779966665144.9

0.49

1274487

12453

6657.01

869664312.86

33593543.21

726076479387.18

0.47

1319076

13253

8503.47

823120198.58

22558075.57

652075976220.61

0.36

1368657

19548

10556.65

501539224.29

80844425.36

574459725588.61

0.46

1517692

19939

16728.28

484179159.43

10308701.01

370754599771.47

0.16

2016086

21074

37367.1

435518142.29

265465202.39

12210739362.04

0.77

2503305

29905

57543.16

144915163.72

763867799.24

141915536638.91

0.92

2634461

31384

62974.41

111493989.43

997954231.57

257934766469.19

1.01

3213289

31589

86944.06

107206795.15

3064182370.96

1180918597672.1

1.75

3289841

39210

90114.13

7469679.43

2591229982.67

1353157043472.1

1.3

3822038

44587

112152.75

6990358.29

4565130451.09

2874549975878.7

1.52

4060957

298913

122046.54

66033544190.01

31281744607.59

3741782599145.8

0.59

29772235

587203

587203

72898037128.93

44706878585.36

16439507898468

15.86

Выводы:

  1. Коэффициент регрессии b = 0.0414 показывает среднее изменение результативного показателя (в единицах измерения у) с повышением или понижением величины фактора х на единицу его измерения. В данном примере с увеличением на 1 единицу y повышается в среднем на 0.0414.

  2. В нашем примере связь между признаком Y фактором X заметна и прямая В нашем примере коэффициент эластичности больше 1. Следовательно, при изменении Х на 1%, Y изменится более чем на 1%. Другими словами - Х существенно влияет на Y.

  3. увеличение x на величину среднеквадратического отклонения Sx приведет к увеличению среднего значения Y на 0.62 среднеквадратичного отклонения Sy.

  4. Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения регрессии к исходным данным.