- •Теоретичні відомості
- •Методичні вказівки
- •Хід роботи
- •Порядок побудови графіків
- •Висновки
- •Контрольні запитання
- •Теоретичні відомості
- •Методичні вказівки
- •Хід роботи
- •Висновки
- •Контрольні запитання
- •Лабораторна робота № 5 Множинна нелінійна регресія Завдання
- •Теоретичні відомості
- •Методичні вказівки
- •Хід роботи
- •Висновки
- •Контрольні запитання
- •Додатки
- •Література
Хід роботи
Для виконання роботи використовується пакет EXCEL.
1. Введемо гіпотезу, що між факторами , та показником існує така стохастична залежність:
.
Для розв’язування задачі, блок вхідних даних (разом з нумерацією кількості спостережень) поміщаємо у перші чотири стовпці A, B, C та D.
Пропотенціюємо регресію для приведення регресії до лінійного виду
.
Введемо нові змінні
, та ( ). (5.25)
Результати обчислення нових змінних запишемо у блоці E3:G16.
Отримали множинну лінійну регресію вигляду
. (5.25)
Знайдемо параметри множинної лінійної регресії за допомогою вбудованої функції ЛИНЕЙН. За наступним алгоритмом:
І. У комірку А20 вводимо ЛИНЕЙН(G3:G16;E3:F16;1;1).
ІІ. Виділяємо блок А20:С24, натискаємо клавішу F2, а потім Ctrl+Shift+Enter.
Знайдені оцінки параметрів і додаткова статистика знаходитиметься у діапазоні комірок А20:С24:
|
А |
В |
С |
20 |
1,164229 |
3,183179 |
1,505692 |
21 |
0,094934 |
0,161483 |
0,70039 |
22 |
0,976877 |
0,373541 |
#Н/Д |
23 |
232,3631 |
11 |
#Н/Д |
24 |
64,84457 |
1,534861 |
#Н/Д |
У даному прикладі лінія регресії набуде вигляду
.
Після оцінки параметрів знаходимо розрахункові значення для приведеної лінії регресії. А саме, перше значення: Н3:=$C$20+$B$20*E3+$A$20*F3. Отриману формулу копіюємо у решту комірок блоку Н4:Н16.
Розрахункові значення показника блоку І3:І16 знаходимо прологорифмувавши значення блоку Н4:Н16.
2. Перевіримо модель на адекватність. Для нашого прикладу (F20), (F21), (F22) та (F23). В комірці D18:=СРЗНАЧ(D3:D16). У блоці J3:J16 обчислимо , а у блоці К3:К16 – . Використовуючи вбудовану функцію СУММ у комірках J19:= =СУММ(J3:J16) та К19:= СУММ(K3:K16). За формулами (5.8) та (5.8) знайдемо відповідно значення та , які запишемо в комірки H20:= J19/F22 та Н21:= =K19/F21.
Отже, за формулою (5.7) 154,3715 (F24:= H21/H20).
Знайдемо з табл.8 для (F23), та . Маємо .
Зауваження 5.1. можна знайти використовуючи вбудовану функцію FРАСПОБР, тоді
Н24:=FРАСПОБР(1-F23;H22;H23).
3. А) Довірчий інтервал для прогнозованого значення показника . Занесемо у новий стовбець L проміжних значень , у комірку L3:=(G3-H3)^2 і скопіюємо цю формулу для всіх спостережувальних значень. Знайдемо за формулою (5.12):
J20:=K19/F22.
Критичне значення критерію Стьюдента беремо з табл.7, яке залежить від параметрів та числа ступенів вільності або використовуючи функцію СТЬЮДРАСПОБР.
Маємо (J21:= СТЬЮДРАСПОБР(F23;F22)).
У блоці А26:N27 шукаємо обернену матрицю за вбудованою функцією ТРАНСП (Заносимо формулу А26:= =ТРАНСП(E3:F16); виділяємо масив А26:N27 і натискаємо F2, а потім Ctrl+Shift+Enter).
Знаходимо добуток матриць у блоці А29:В30 за допомогою вбудованої функції МУММНОЖ (А29:=МУМНОЖ(A26:N27;E3:F16); виділяємо масив А29:В30 і натискаємо F2, а потім Ctrl+Shift+Enter).
. (5.10)
де
(5.11)
(5.12)
Критичне значення критерію Стьюдента беремо з табл.7, яке залежить від параметрів та числа ступенів вільності або використовуючи функцію СТЬЮДРАСПОБР.
З формул замін виражається через наступним чином , то
(5.13)
Зокрема, та .
Б) Оцінки частинних коефіцієнтів еластичності для прогнозу
, , (5.23)
, . (5.24)