- •Побудова аналітичного групування
- •Кількість груп аналітичного групуваня можна встановити за формулою Стерджеса
- •Побудова парної лінійної кореляційно-регресійної моделі.
- •Етап 3 Економетрична інтерпретація параметрів моделі,
- •4.Обчислення випадкових відхилень та їх інтерпретація
- •5. Перевірка моделі на наявність автокореляції,
- •6. Визначення тісноти зв’язку між змінними
- •7. Побудова спряженої кореляційно-регресійної моделі
- •8. Геометрична інтерпретація спряжених моделей
- •9. Перевірка формули декомпозиції загальної дисперсії результуючої змінної
- •10.Обчислення стандартної похибки моделі
- •11. Побудова довірчих інтервалів для оцінки фактичного результуючої змінної, їх геометрична інтерпретація
- •12. Розрахунок теоретичного та емпіричного значень відношення детермінації, їх економічна інтерпретація, Обчислення кореляційного відношення
- •13. Обчислення вибіркових похибок параметрів регресії, Побудова довірчих інтервалів для істинних значень параметрів регресії, їх геометрична інтерпретація
- •14. Розрахунок вибіркової похибки моделі, Побудова довірчих інтервалів для середнього прогнозного значення результуючої змінної, геометрична інтерпретація
- •15. Обчислення похибки індивідуального прогнозу. Побудова довірчих інтервалів для індивідуального прогнозного значення результуючої змінної, геометрична інтерпретація
- •16.Оцінка коефіцієнта кореляції
- •17. Перевірка статистичної значущості параметрів зв’язку між змінними
- •18.Експрес-діагностика моделі
- •19. Економічна інтерпретація результатів економетричного дослідження та їх використання
6. Визначення тісноти зв’язку між змінними
Коефіціент кореляції має такі властивості
може приймати значення з інтервалу[-1;1];
при r=0 змінна х та у незв’язана лінійною кореляційною залежністю;
при | r |=1 між змінними х та у існує лінійний функціональний зв'язок;
зв'язок є тісним, якщо 0,7≤| r |≤0,9;
зв'язок слабкий, якщо 0,2≤| r |≤0,4,
Коефіцієнт кореляції можна обчислити так:
Здійснивши обчислення ми отримаємо
r=0,8608
Як бачимо коефіцієнт кореляції r = 0,8608, Отже, між денним товарооборотом та кількістю працівників існує тісний кореляційний зв'язок. То із збільшенням факторної ознаки х середнє значення результуючої змінної у також збільшується.
7. Побудова спряженої кореляційно-регресійної моделі
Якщо за факторну ознаку взяти витрати оборотного бюджету
. А за результуючу – ВНП , то можна побудувати рівняння прямої регресії x на y:
,
яке називають спряженим до рівняння регресії y на x.
Параметри і можна знайти декількома способами
аналогічно параметрам та :
за допомогою формули:
З цієї формули випливає, що:
Модуль розкриваємо зі знаком коефіцієнта регресії.
визначаємо з формули:
За обома способами отримуємо:
B́1= 0,023151
B́0= 8,813126
Звідси, спряжена парна лінійна кореляційно-регресійна модель матиме вигляд:
= 8,813126+0,023151у
Коефіцієнт кореляції обчислюється за формулою:
r= 0,8608
Значення коефіцієнта кореляції співпадає з попередніми результатами обчислень.
8. Геометрична інтерпретація спряжених моделей
Спряжені рівняння регресії мають такі властивості:
Якщо кореляційний взаємозв’язок відсутній між змінними х та у спряжені рівняння регресії зображуються двома перпендикулярними прямими,
Якщо між змінними х та у існує функціональний зв'язок то спряжені лінії регресії співпадають в одну пряму;
Якщо взаємозв’язок між змінними х та у кореляційний то спряжені лінії регресії перетинаються утворюючи між собою гострий кут α.
Покажемо це відповідно до мого спостереження:
|
|
|
|
|
tg φ =
k1= b1 = 32,013345
k2=1/b1`=1/ 0,023151
tg φ = 0,20424
Оскільки прямі утворюють гострий кут, то зв'язок між змінними тісний.
9. Перевірка формули декомпозиції загальної дисперсії результуючої змінної
Формула декомпозиції відхилень має наступний вигляд:
, де
- загальне відхилення результуючої змінної;
- відхилення теоретичного значення результуючої змінної від її середнього (відхилення, яке можна пояснити на основі кореляційно регресійною моделлю);
- відхилення фактичного значення результуючої змінної від теоретичного (відхилення, яке не можна пояснити рівнянням регресії),
Теоретично доведено, що аналогічне співвідношення спостерігається для сум квадратів відхилень:
Якщо дану тотожність поділити на кількість елементів у вибірці, то отримаємо наступне відношення (формула декомпозиції дисперсії):
,
№ попорядку |
X |
Y |
|
|
|
|
|
1 |
18 |
464 |
418,624 |
290,703 |
3897,002 |
2058,979 |
|
2 |
22 |
580 |
546,6773 |
9791,103 |
4306,943 |
1110,402 |
|
3 |
15 |
502 |
322,5841 |
438,903 |
25111,452 |
32190,077 |
|
4 |
19 |
425 |
450,6373 |
3141,603 |
924,930 |
657,274 |
|
5 |
23 |
589 |
578,6906 |
11653,203 |
9533,692 |
106,283 |
|
6 |
25 |
623 |
642,7173 |
20149,803 |
26136,305 |
388,771 |
|
7 |
24 |
658 |
610,7039 |
31311,303 |
16810,146 |
2236,917 |
|
8 |
19 |
434 |
450,6373 |
2213,703 |
924,930 |
276,801 |
|
9 |
18 |
381 |
418,624 |
10010,003 |
3897,002 |
1415,567 |
|
10 |
16 |
347 |
354,5974 |
17969,403 |
15990,264 |
57,720 |
|
11 |
17 |
252 |
386,6107 |
52463,903 |
8918,780 |
18120,042 |
|
12 |
17 |
359 |
386,6107 |
14896,203 |
8918,780 |
762,351 |
|
13 |
20 |
460 |
482,6507 |
443,103 |
2,562 |
513,053 |
|
14 |
24 |
668 |
610,7039 |
34950,303 |
16810,146 |
3282,838 |
|
15 |
17 |
416 |
386,6107 |
4231,503 |
8918,780 |
863,731 |
|
16 |
23 |
592 |
578,6906 |
12309,903 |
9533,692 |
177,139 |
|
17 |
16 |
338 |
354,5974 |
20463,303 |
15990,264 |
275,473 |
|
18 |
19 |
393 |
450,6373 |
7752,803 |
924,930 |
3322,064 |
|
19 |
23 |
521 |
578,6906 |
1596,003 |
9533,692 |
3328,208 |
|
20 |
24 |
619 |
610,7039 |
19030,203 |
16810,146 |
68,825 |
|
|
Yc |
252,2919 |
|
13755,348 |
10194,722 |
3560,626 |
|
|
|
|
|
загальна |
пояснена |
непояснена |
Для нашого випадку ця тотожність буде такою:
13755,348=10194,722+3560,626
13755,348=13755,348