- •Методические указания
- •Содержание
- •Общие понятия регрессионного анализа.
- •Коэффициент корреляции
- •Адекватность регрессионного уравнения
- •2 Регрессионный анализ в системе minitab.
- •Пример регрессионного анализа
- •Ход решения проблемы
- •Задание по выполнению лабораторной работы
- •Порядок выполнения работы
- •Контрольные вопросы
- •Библиография
Коэффициент корреляции
Коэффициент корреляции между выборочными величинами и определяется в виде:
, , .
Возводя коэффициент корреляции в квадрат, получаем коэффициент детерминации:
.
Поскольку наклон линии регрессии между и равен , то
.
Так как будет общей вариацией зависимой переменной , и, кроме того, есть вариация, объясняемая линейной регрессией по . Коэффициент детерминации представляет ту долю общей вариации зависимой переменной, которую объясняет регрессия. Коэффициент 1- часто называют коэффициентом неопределенности, он представляет ту долю общей вариации зависимой переменной, которую регрессия не объясняет.
Адекватность регрессионного уравнения
Адекватность модели – степень соответствия исходных данных и оценок, полученных при помощи регрессионного анализа. Другими словами, насколько точно регрессионная модель отражает анализируемые данные. Для проверки адекватности модели используется F критерий Фишера.
В случае расчетов вручную действует следующее правило:
Если Fр<Fт, то принимается нулевая гипотеза (H0) с соответствующим уровнем значимости . При этом можно утверждать, что линейная зависимость между и отсутствует.
Если Fр>Fт, то принимается альтернативная гипотеза (H1) с соответствующим уровнем значимости (Fp - расчетное значение F критерия Фишера, Fт – табличное значение F критерия Фишера Fт=F(1,n-2, )). При этом можно утверждать, что линейная зависимость между и присутствует.
Формула для расчета F критерия Фишера:
, где n - число пар наблюдений.
В случае машинной обработки при помощи системы MINITAB для WINDOWS для принятия решения используем следующее правило:
Если P < , то нулевая гипотеза отвергается и принимается альтернативная при соответствующем уровне значимости .
Если P > , то альтернативная гипотеза отвергается и принимается нулевая при соответствующем уровне значимости .
2 Регрессионный анализ в системе minitab.
Для проведения регрессионного анализа необходимо:
1) ввести данные .
2) Stat > Regression>Regression – позволяет выполнить простую или множественную регрессию (построение зависимости между откликом и переменной), и заполнить следующие ячейки:
Response – переменная отклика;
Predictors – независимые переменные;
Options – опции;
Graphs – построение графиков;
Storage – сохранение полученных результатов.
Рис. 2.1 - Команда Stat > Regression> Regression .
3) Stat > Regression > Fitted Line Plot – позволяет построить линейную, квадратическую и кубическую регрессии от одной переменной.
Рис. 2.2 Команда Stat > Regression > Fitted Line Plot
Пункты диалогового окна:
Response [Y] - переменная отклика или независимая переменная.
Predictor [X] - независимая переменная.
Type of Regression Model
Linear - модель линейной регрессии.
Quadratic - модель квадратичной регрессии.
Cubic - модель кубической регрессии.
-
Пример регрессионного анализа
Проблема. Менеджеру фирмы необходимо проверить действенность рекламы (число показов в месяц) на продажи изделий фирмы.
Таблица 3.1 – Данные для анализа
Продажа (тыс.штук), Y |
Реклама (число показов в месяц), X |
260.3 |
5 |
286.1 |
7 |
279.4 |
6 |
410.8 |
9 |
438.2 |
12 |
315.3 |
8 |
565.1 |
11 |
570 |
16 |
426.1 |
13 |
315 |
7 |
403.6 |
10 |
220.5 |
4 |
343.6 |
9 |
644.6 |
17 |
520.4 |
19 |
329.5 |
9 |
426 |
11 |
343.2 |
8 |
450.4 |
13 |
421.8 |
14 |