- •2. Построение степенной модели парной регрессии.
- •3. Построение показательной функции
- •4. Построение гиперболической функции
- •4. Рассчитать прогнозное значение результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня. Результаты расчетов отобразить на графике.
- •Пример №2.
- •2. Выбор вида модели и оценка ее параметров.
- •3. Оценка качества модели.
Задача №1.
По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (У, млн. руб.) от объема капиталовложений (Х, млн. руб.).
Требуется:
1. Для характеристики У от Х построить следующие модели:
- линейную;
- степенную;
- показательную;
- гиперболическую.
2. Оценить каждую модель, определив:
- индекс корреляции;
- среднюю относительную ошибку;
- коэффициент детерминации;
- F- критерий Фишера.
3. Составить сводную таблицу вычислений, выбрать наилучшую модель, дать интерпретацию рассчитанных характеристик.
4. Рассчитать прогнозное значение результативного признака, если прогнозное значение фактора увеличится на 110% относительно среднего уровня. Результаты расчетов отобразить на графике.
Решение:
1. Построение моделей регрессии.
1. Построение линейной модели парной регрессии.
Определим линейный коэффициент парной корреляции, используя данные таблицы 1.1.
t |
x |
y |
x*y |
x2 |
y2 |
y- |
(y- )2 |
x- |
(x- )2 |
|
et |
|
1 |
60 |
36 |
2160 |
3600 |
1296 |
-6,43 |
41,3449 |
-9,43 |
88,9249 |
47,33 |
-11,33 |
-31,4722 |
2 |
68 |
38 |
2584 |
4624 |
1444 |
-4,43 |
19,6249 |
-1,43 |
2,0449 |
43,17 |
-5,17 |
-13,6053 |
3 |
64 |
46 |
2944 |
4096 |
2116 |
3,57 |
12,7449 |
-5,43 |
29,4849 |
45,25 |
0,75 |
1,630435 |
4 |
72 |
44 |
3168 |
5184 |
1936 |
1,57 |
2,4649 |
2,57 |
6,6049 |
41,09 |
2,91 |
6,613636 |
5 |
78 |
48 |
3744 |
6084 |
2304 |
5,57 |
31,0249 |
8,57 |
73,4449 |
37,97 |
10,03 |
20,89583 |
6 |
74 |
42 |
3108 |
5476 |
1764 |
-0,43 |
0,1849 |
4,57 |
20,8849 |
40,05 |
1,95 |
4,642857 |
7 |
70 |
40 |
2800 |
4900 |
1600 |
-2,43 |
5,9049 |
0,57 |
0,3249 |
42,13 |
-2,13 |
-5,325 |
Σ |
486 |
294 |
20508 |
33964 |
12460 |
-3,01 |
113,2943 |
-0,01 |
221,7143 |
- |
-2,99 |
83,38028 |
Ср. |
69,43 |
42,43 |
2929,71 |
4852 |
|
|
|
|
|
|
|
13,7192 |
Можно сказать, что связь между Х и У прямая, достаточно сильная.
Определим уравнение линейной регрессии вида
Значения параметров а и b линейной модели определим, используя данные таблицы 1.1.
Уравнение регрессии будет иметь вид:
С увеличением объема капиталовложений на 1 млн. руб. объем выпускаемой продукции уменьшится в среднем на 520 тыс. руб. Это свидетельствует о неэффективности работы предприятий, и необходимо принять меры для выяснения причин и устранения этого недостатка.
Рассчитаем коэффициент детерминации:
Вариация результата у на 37,09% объясняется вариацией фактора Х.
Оценку значимости уравнения регрессии проведем с помощью F- критерия Фишера:
F<Fтабл.=6,61 для α=0,05; к1=m=1, к2=n-m-1=5
Уравнение регрессии с вероятностью 0,95 в целом статистически не значимое, так как F<Fтабл.
Определим среднюю ошибку:
В среднем расчетные значения у для линейной модели отличаются от фактических значений на 13,7192%.
2. Построение степенной модели парной регрессии.
Уравнение степенной модели имеет вид:
Для построения этой модели произведем линеаризацию переменных. Для этого произведем логарифмирование обоих частей уравнения (данные приведены в таблице 1.2):
Таблица 1.2
t |
y |
lg y |
x |
lg x |
1 |
36 |
1,556303 |
60 |
1,778151 |
2 |
38 |
1,579784 |
68 |
1,832509 |
3 |
46 |
1,662758 |
64 |
1,80618 |
4 |
44 |
1,643453 |
72 |
1,857332 |
5 |
48 |
1,681241 |
78 |
1,892095 |
6 |
42 |
1,623249 |
74 |
1,869232 |
7 |
40 |
1,60206 |
70 |
1,845098 |
∑ |
294 |
11,34885 |
486 |
12,8806 |
cp |
42 |
1,621264 |
69,43 |
1,840085 |
Обозначим
Тогда уравнение примет вид: Y=A+вx – линейное уравнение регрессии. Рассчитаем его параметры, используя данные таблицы 1.3.
t |
y |
Y |
x |
X |
X*Y |
X2 |
E |
Eотн |
E2 |
|
1 |
36 |
1,556303 |
60 |
1,778151 |
2,767341 |
3,161822 |
37,60243 |
-1,60243 |
-4,45119 |
2,567771 |
2 |
38 |
1,579784 |
68 |
1,832509 |
2,894968 |
3,358089 |
41,2774 |
-3,2774 |
-8,62474 |
10,74135 |
3 |
46 |
1,662758 |
64 |
1,80618 |
3,00324 |
3,262286 |
39,45457 |
6,545434 |
14,2292 |
42,8427 |
4 |
44 |
1,643453 |
72 |
1,857332 |
3,052438 |
3,449684 |
43,07308 |
0,926923 |
2,106642 |
0,859185 |
5 |
48 |
1,681241 |
78 |
1,892095 |
3,181067 |
3,580022 |
45,71973 |
2,280269 |
4,750559 |
5,199625 |
6 |
42 |
1,623249 |
74 |
1,869232 |
3,034229 |
3,494027 |
43,96133 |
-1,96133 |
-4,66983 |
3,846815 |
7 |
40 |
1,60206 |
70 |
1,845098 |
2,955958 |
3,404387 |
42,17851 |
-2,17851 |
-5,44627 |
4,745905 |
∑ |
294 |
11,34885 |
486 |
12,8806 |
20,88924 |
23,71032 |
178,6641 |
0,732959 |
2,10562 |
70,80336 |
ср |
|
1,621264 |
69,43 |
1,840085 |
2,984177 |
3,387188 |
41,92173 |
|
|
|
Уравнение регрессии будет иметь вид: Y=0.2505+0.745X
Перейдем к исходным переменным х и у, выполнив потенцирование данного уравнения и получим уравнение степенной модели регрессии:
Определим индекс корреляции:
Связь между показателем у и фактором х можно считать сильной.
Определим коэффициент детерминации:
Вариация результата У на 37,5% объясняется вариацией фактора Х.
Оценку значимости проведем с помощью F- критерия Фишера:
F<Fтабл.=6,61 для α=0,05; к1=m=1, к2=n-m-1=5
Уравнение регрессии с вероятностью 0,95 в целом статистически не значимое, так как F<Fтабл.
Определим среднюю относительную ошибку:
В среднем расчетные значения у для степенной модели отличаются от фактических значений на 0,3%.