- •Задание
- •Исходные данные
- •Составить корреляционную матрицу. Исследовать интеркорреляцию переменных. Проверить мультиколлинеарность переменных. Сделать вывод. Удалить из модели одну независимую переменную.
- •Построить уравнение множественной линейной регрессии по двум независимым переменным.
- •Найти коэффициент множественной детерминации, скорректированный коэффициент множественной детерминации, множественный коэффициент корреляции. Сделать вывод.
- •4. Оценить качество уравнения множественной регрессии:
- •4.1. Найти среднюю относительную ошибку аппроксимации.
- •4.2. Проверить статистическую значимость уравнения множественной регрессии в целом.
- •4.3. Проверить статистическую значимость параметров уравнения множественной регрессии. Построить интервальные оценки параметров.
- •6. Оценить силу влияния независимых переменных на y:
- •6.2. Найти средние по совокупности и частные коэффициенты эластичности.
Составить корреляционную матрицу. Исследовать интеркорреляцию переменных. Проверить мультиколлинеарность переменных. Сделать вывод. Удалить из модели одну независимую переменную.
Корреляционная матрица Таблица 2
-
y
x1
x2
x3
y
1,00
0,12
-0,11
0,62
x1
0,12
1,00
-0,09
0,42
x2
-0,11
-0,09
1,00
-0,14
x3
0,62
0,42
-0,14
1,00
Г раф показывает, что зависимость между x1 и x3 – наибольшая, следовательно необходимо исключить либо х1, либо х3. Исключаем х1, так как его связь с у меньше, чем связь х3 с у.
Эффект мультиколлинеарности в наборе независимых переменных возникает, когда более чем две независимые переменные коррелированны между собой. Такие факторы могут воздействовать на у согласованно, дублируя друг друга.
На практике обычно выявляют эффект мультиколлинеарности, поочередно объявляя каждую из независимых переменных зависимой и рассчитывая коэффициент множественной детерминации.
Пусть х1 – зависимая переменная, коэффициент детерминации равен
;
х2 – зависимая переменная
;
х3 – зависимая переменная
.
Наибольшие значения R2 соответствуют х1 и х2.–Предполагается, что одна из этих переменных отвечает за мультиколлинеарность. На основе качественного анализа предметной области принимается решение об исключении переменной х1 .
Построить уравнение множественной линейной регрессии по двум независимым переменным.
Для построения уравнения множественной линейной регрессии
используем метод наименьших квадратов.
a = -188,71;
b2 = -1,72;
b3 = 5,77.
Уравнение регрессии примет вид:
.
Найти коэффициент множественной детерминации, скорректированный коэффициент множественной детерминации, множественный коэффициент корреляции. Сделать вывод.
Коэффициент множественной детерминации R2 = 0,38. Вариация y только на 38% объясняется влиянием факторов x2 , x3.
Скорректированный коэффициент множественной детерминации R скорр2 = 0,30.
Множественный коэффициент корреляции R = 0,62. Он характеризует тесноту множественной линейной регрессионной связи между всем набором независимых переменных и у.
Значение R |
Характеристика множественной линейной регрессионной зависимости |
0,01 – 0,09 |
Связь слабая, теоретически подтверждена недостаточно |
0,09 – 0,49 |
Связь средняя |
0,49 - 1 |
Связь достаточно сильная, использование регрессионной линейной модели теоретически обосновано. |
Так как R = 0,62, то связь достаточно сильная, использование регрессионной линейной модели теоретически обосновано.