
- •7 Регресійний аналіз
- •7.1 Попередній аналіз даних
- •7.2 Припущення, які використовує регресійний аналіз
- •7.3 Вибір вигляду функції для монотонних процесів
- •7.4 Метод найменших квадратів для оцінки параметрів функції регресії
- •Властивості регресії
- •7.5 Оцінка якості моделі
- •7.6 Критерій Фішера для оцінки адекватності моделі
- •7.7 Перевірка значущості коефіцієнтів регресії
- •7.8 Функції Excel для побудови регресійних залежностей
- •Розв’язання
- •7.9 Парна регресія в матричній формі
- •7.10 Метод найменших квадратів при оцінюванні параметрів поліномів
- •Розв’язання
- •7.11 Множинний регресійний аналіз
- •7.11.1 Матричний спосіб оцінки параметрів множинної регресії
- •7.11.2 Перевірка значущості коефіцієнтів регресії
- •7.11.3 Перевірка якості моделі. Скоригований коефіцієнт детермінації
- •7.11.4 Парна й часткова кореляції
- •Розв’язання.
- •7.12 Методи побудови багатофакторної регресійної моделі
- •7.12.1 Вибір "найкращого" рівняння регресії
- •7.12.2 Метод усіх можливих регресій
- •7.12.3 Метод виключень
- •7.12.4 Кроковий регресійний метод
- •Питання і завдання до розділу 7
- •Лабораторна робота Тема. Парний регресійний аналіз
- •Лабораторна робота Тема. Множинний регресійний аналіз
- •8 Дисперсійний аналіз
- •8.1 Однофакторний дисперсійний аналіз
- •Розв’язання.
- •Питання і завдання до розділу 8
- •Лабораторна робота Тема. Однофакторний дисперсійний аналіз
- •9 Ранговий аналіз
- •9.1 Коефіцієнт рангової кореляції Кенделла (Кендалла)
- •9.2 Коефіцієнт рангової кореляції Спірмена
- •Розв’язок.
- •9.3 Коефіцієнт конкордації
- •Питання і завдання до розділу 9
Розв’язання.
Число вибірок m=3, число досліджених готелів для кожної вибірки n=6, загальна кількість спостережень mn=18.
Обчислимо
середні значення для кожної вибірки
і загальне
середнє
:
=93,333
=
86
=79,167
=86,
167.
Після чого знайдемо значення Q, Q1, Q2:
=904,5,
=602,33,
Q2 = Q – Q1=302,167.
Обчислюємо міжгрупову дисперсію S1 та залишкову S2:
=
=301,167,
=
=20,444.
Висуваємо гіпотези:
Н0 : S12 = S22; H1 : S12 > S22.
Розраховуємо
Fр
=
=14,95,
та при заданому рівні
значення a=0,05
обчислюємо критичне
значення Fкр
=FРАСПОБР(0,05;
3-1; 3(6-1))=
3,682.
Оскільки Fр > Fкр, то гіпотезу Н0 відкидаємо і робимо висновок про істотний вплив фактора, тобто фактор відстані від центра міста значуще впливає на ефективність заповнення готелів.
В Excel для проведення дисперсійного аналізу можна скористатися Сервис –Анализ данных – Однофакторный дисперсионный анализ.
-
Досліджувані дані введіть у робочу таблицю Excel (діапазон А1:F3).
-
Виберіть пункт меню Сервис – Анализ данных. У діалоговому вікні Анализ данных у списку Инструменты анализа виберіть процедуру Однофакторный дисперсионный анализ. Натисніть кнопку ОК. На екрані з’явиться вікно
-
В діалоговому вікні Однофакторный дисперсионный анализ у полі Входной интервал задайте А1:F3.
-
У розділі Группирование перемикач встановіть в положення по строкам.
-
Зазначте Выходной интервал і натисніть Ок.
У результаті буде отримана така таблиця:
Однофакторный дисперсионный анализ |
|
|
|
|
|||
|
|
|
|
|
|
|
|
ИТОГИ |
|
|
|
|
|
|
|
Группы |
Счет |
Сумма |
Среднее |
Дисперсия |
|
|
|
Строка 1 |
6 |
560 |
93,3333 |
13,46667 |
|
|
|
Строка 2 |
6 |
516 |
86 |
14 |
|
|
|
Строка 3 |
6 |
475 |
79,1667 |
32,96667 |
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
||
Источник вариации |
SS |
df |
MS |
F |
P- Значение |
F критическое |
|
Между группами |
602,33 |
2 |
301,167 |
14,950 |
0,0002684 |
3,68232 |
|
Внутри групп |
302,166 |
15 |
20,1444 |
|
|
|
|
|
|
|
|
|
|
|
|
Итого |
904,5 |
17 |
|
|
|
|
У таблиці Дисперсионный анализ Fр=14,95, Fкритичне=3,68, отже, за критерієм Фішера вплив фактора відстані від центра міста на ефективність заповнення готелів є значущим.