- •Предмет, метод и задачи статистики:
- •Предмет статистики
- •Статистическая совокупность и статистический показатель Статистическая совокупность
- •Статистический показатель
- •Понятие и формы статистического наблюдения
- •Понятие и виды статистического наблюдения
- •Виды статистического наблюдения
- •Понятие и способы статистического наблюдения
- •Способы статистического наблюдения
- •Контроль статистического наблюдения
- •Понятие, виды, этапы, программа и план сводки Понятие, виды и этапы сводки
- •Программа и план сводки
- •8.Понятие и виды групповых данных
- •9.Проведение первичной и вторичной группировки
- •Вторичная группировка
- •10.Понятие и классификация статистических показателей
- •11.Абсолютные и относительные показатели
- •Относительные показатели
- •12.Функции статистических показателей
- •13.Статистический ряд распределения: понятие, виды, характеристики Статистические ряды распределения
- •14.Статистические графики
- •15.Понятие средней величины. Средняя арифметическая и её свойства
- •Средняя арифметическая и ее свойства
- •16.Понятие средней величины. Виды средних и их соотношение
- •17. Понятие средней величины. Структурные характеристики.
- •18.Показатели размера вариации
- •19. Показатели асимметрии и эксцесса распределения
- •20. Понятие и причины использования выборочного наблюдения
- •Виды и схемы отбора
- •21. Ошибка выборки
- •22. Определение объёма выборки. Распространение данных выборочного наблюдения на генеральную совокупность
- •Распространение данных выборочного наблюдения на генеральную совокупность
- •23. Понятие рядов динамики динамики. Показатели изменения уровней ряда динамики. Средние показатели динамики.
- •. Показатели динамики
- •Средние показатели динамики
- •24. Анализ основной тенденции в рядах динамики
- •25. Понятие рядов динамики. Измерение устойчивости в динамике
- •Измерение устойчивости в динамике
- •26. Понятие и виды индексов. Индивидуальные индексы
- •Индивидуальные индексы
- •27. Понятие и виды индексов. Агрегатные индексы
- •Агрегатные индексы
- •28. Понятие и виды индексов. Индексы средней величины
- •Индексы средней величины
- •29. Понятие статистической гипотезы
- •30. Теоретические кривые распределения
- •31. Проверка гипотез о характере распределения
- •32. Основные виды взаимосвязей между показателями. Показатели взаимосвязи качественных переменных
- •11.2. Показатели взаимосвязи качественных переменных
- •Показатели взаимосвязи количественных переменных
- •33. Основные виды взаимосвязей между показателями. Показатели взаимосвязи качественных переменных см 32 вопрос.
- •34. Определение параметров парной линейной регрессии
- •35. Оценка надёжности параметров парной линейной регрессии
33. Основные виды взаимосвязей между показателями. Показатели взаимосвязи качественных переменных см 32 вопрос.
34. Определение параметров парной линейной регрессии
Наиболее простой случай корреляционной зависимости является парная корреляция – зависимость между двумя признаками (y и x). Уравнение такой связи называется парной линейной регрессией:
,
где y – зависимая переменная, x – факторный признак, α – свободный коэффициент уравнения, β – коэффициент регрессии: показывает, на сколько изменится среднее значение y ( ) при увеличении x на единицу.
Графическое представление парной линейной регрессии.
Парная регрессия легко определяется по графическому изображению реальных статистических данных в виде точек (корреляционное поле или диаграмма рассеивания).
Рис. 11.1. Графическое представление линии парной регрессии с МНК-параметрами
Метод наименьших квадратов.
Параметры α и β рассчитываются методом наименьших квадратов (МНК) по данным об n значениях признаков x и y. Исходное условие МНК для парной регрессии имеет вид:
То есть МНК позволяет получить такие оценки параметров и , при которых сумма квадратов отклонений фактических значений зависимой переменной y от расчетных (теоретических) минимальна.
Чтобы найти минимум этой функции необходимо вычислить производные по каждому из параметров α и β и приравнять их к нулю:
Если первое уравнение разделить на n, то получится:
Решая систему уравнений далее, находится коэффициент регрессии β:
где - среднее значение x, - среднее значение y, - среднее значение произведения xy, - дисперсия показателя x.
Пример 11.2. По данным примера 11.1. определить параметры и построить график уравнения парной линейной регрессии, определить тесноту связи с помощью парного коэффициента корреляции.
, ,
,
Тогда уравнение регрессии будет .
Рис. 11.2. Уравнение парной регрессии и фактические данные
35. Оценка надёжности параметров парной линейной регрессии
Оценка надежности коэффициента проводится на основе t-критерия Стьюдента и заключается в установлении наличия линейной зависимости между y и x. Для этого проверяется гипотеза H0: =0 (гипотеза о несущественности коэффициента).
Выполняются следующие шаги:
1. Рассчитывается средняя ошибка параметра β:
,
где – расчетные значения y по уравнению парной регрессии.
2. Рассчитывается t-критерий Стьюдента
3. Выбирается уровень значимости (1%, 5% или 10%).
4. По таблицам распределения Стьюдента для заданного и n-2 определяем tкр – критическое значение критерия.
5. Если , то коэффициенту можно доверять с вероятностью 100%- и гипотеза H0 отклоняется. Иначе – гипотеза H0 принимается, и коэффициенту доверять нельзя.
Пример 11.3. По данным примера 11.2. определить надежность параметра β с уровнем значимости 1%.
n |
X |
Y |
YT |
Y-YT |
(Y-YT)2 |
1 |
90,53 |
93,21 |
93,52 |
-0,31 |
0,10 |
2 |
90,22 |
93,8 |
93,25 |
0,55 |
0,30 |
3 |
99,41 |
100,32 |
101,28 |
-0,96 |
0,93 |
4 |
99,68 |
103,08 |
101,52 |
1,56 |
2,43 |
5 |
95,11 |
97,12 |
97,53 |
-0,41 |
0,16 |
6 |
95,4 |
99,64 |
97,78 |
1,86 |
3,46 |
7 |
94,24 |
95,88 |
96,76 |
-0,88 |
0,78 |
8 |
98,35 |
101 |
100,36 |
0,64 |
0,41 |
9 |
96,34 |
97,42 |
98,60 |
-1,18 |
1,39 |
10 |
99,34 |
100,36 |
101,22 |
-0,86 |
0,74 |
Итого |
958,62 |
981,83 |
- |
- |
10,72 |
1. .
2. .
3. =0,01.
4. По таблицам распределения Стьюдента для =0,01 и n-2=8 находится tкр=3,3554.
5. Следовательно, (7,8957>3,3554) и с вероятностью 99% значению коэффициента β можно доверять.