- •Введение
- •Задание
- •1. Построение моделей
- •1.2. Линейная модель
- •1.2. Степенная модель
- •1.3. Показательная модель
- •1.4. Гиперболическая модель
- •2. Проверка адекватности однофакторного регрессионного уравнения
- •2.1. Анализ показателей качества подгонки регрессионного уравнения.
- •2.4. Проверка выполнения условий для получения «хороших оценок» методом наименьших квадратов
- •3. Сводная таблица по лабораторной работе
- •4. Расчет прогнозного значения
- •Заключение
- •Список использованной литературы:
2. Проверка адекватности однофакторного регрессионного уравнения
2.1. Анализ показателей качества подгонки регрессионного уравнения.
Показатели качества отражают соответствие рассчитанных значении зависимой переменной Y(расч) с фактическими значениями Y. Первым показателем качества подгонки является остаточная дисперсия. Чем меньше остаточная дисперсия, тем лучше.
=
Для линейной модели:
= 7027,3/8=878,4
Для степенной модели:
= 0,002955/8=0,00037
Для показательной модели:
= 0,003/8=0,000407
Для гиперболической модели:
= 6784,872/8=848,1
Следующий показатель качества подгонки – это коэффициент детерминации R-квадрат, на основании которого возможно сопоставление различных уравнений, т.к. он отражает долю факторной дисперсии в общей дисперсии. Чем ближе R-квадрат к 1, тем лучше связь между x и y. В нашем случае эта связь существует во всех моделях.
R =1-
Для линейной модели:
R =1- 7027,3/86466=0,9187
Для степенной модели:
R =1- 0,002955/0,034=0,91299
Для показательной модели:
R =1- 0,003/0,034=0,9042
Для гиперболической модели:
R =1- 6784,872/86466=0,9215
На практике также используют коэффициент корреляции rxy, который показывает степень связи между переменными. В отличии от коэффициента детерминации он характеризует силу и направление линейной связи между переменными.
r =
В нашем случае r находится в промежутке от -1 до +1, следовательно, линейная связь существует во всех моделей и она положительна.
Коэффициент регрессии нельзя использовать для непосредственной оценки влияния фактора на результативный признак из-за различия единиц измерения исследуемых показателей, для этих целей вычисляются коэффициенты эластичности и - коэффициенты. Коэффициент эластичности для рассматриваемых моделей парной регрессии рассчитываются:
Эyx=
Для линейной модели:
Эyx=1,0041
Для степенной модели:
Эyx=1,008
Для показательной модели:
Эyx=0,156
Для гиперболической модели:
Эyx=-0,9889
Коэффициент эластичности показывает на сколько % изменится Y при изменении факторного признака X на 1%.
– коэффициент задается формулой :
= ,
Для линейной модели:
=0,9585
Для степенной модели:
=0,9555
Для показательной модели:
=0,9509
Для гиперболической модели:
=-0,9599
где и - средние квадратические ошибки выборки величин x и y соответственно.
Sy= Sx=
Для линейной модели:
Sy= 92,987 Sx=83,637
Для степенной модели:
Sy= 0,0583 Sx=0,0547
Для показательной модели:
Sy= 0,058 Sx=83,637
Для гиперболической модели:
Sy= 92,987 Sx= 0,0002
– коэффициент показывает, на какую часть величины своего среднего квадратического отклонения изменится в среднем значение результативного признака при изменении факторного признака на величину его среднего квадратического отклонения.
Рассчитанные данные по этим показателям по всем 4 моделям приведены в сводной таблице. По этим данным можно сказать, что во всех моделях рассчитанные значения соответствуют фактическим.
2.2. Проверка гипотез относительно параметров регрессионного уравнения.
Приведенные показатели качества подгонки не позволяют принять статистическое решение о пригодности регрессионного уравнения, хотя и дают некоторое представление о качестве подгонки. Такие решения принимаются на основе статистических критериев, применяемых в различных гипотезах
О дним из таких критериев является F - статистика. Выдвигается гипотеза об отсутствии связи между выручкой и оборотным капиталом.
F= =
Для линейной модели:
Fрасч = 79438,69/878,414=90,434
Для степенной модели:
Fрасч = 0,031/0,0004=75,531
Для показательной модели:
Fрасч = 0,031/0,0004=77,051
Для гиперболической модели:
Fрасч = 79681,128/848,109=93,95
Fтабл=6,39
Для определения присутствия или отсутствия связи определим F табличное по таблице, или функцией FРАСПОБР в табличном редакторе Microsoft Excel.
Если Fрасч. больше Fтабл., то связь между x и y существует с вероятностью 95%. Это говорит о том, что гипотеза об отсутствии линейной связи отвергается.
2.3. Значимость коэффициентов уравнения регрессии (t-критерий Стьюдента)
Рассмотрим t-статистику. Исследуя коэффициент регрессии , выдвигаем гипотезу о том, что x влияют на y не существенно, т.е. b=0.
Если эта гипотеза верна, то t - статистика подчиняется t - распределению с (n-2) степенями свободы.
t расч = , где
Для линейной модели данный показатель рассчитан как:
t расч =1,0657/0,112=9,51
Для степенной модели:
t расч = 1,017/0,111=9,162
Для показательной модели:
t расч =0,001/ 0,0001=8,69
Для гиперболической модели:
t расч = -464946,9/47967,98=-9,693
tтабл=2,26
Если tрасч по модулю больше tтабл, то b не равно 0, т.е. x влияют на y продукции существенно. В нашем случае, в во всех моделях кроме гиперболической x влияет на y существенно.