Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Методические указания по ЭММиМ.doc
Скачиваний:
10
Добавлен:
18.09.2019
Размер:
2.19 Mб
Скачать

12. Расчет и оценка уравнения множественной регрессии средствами Excel

Построить модель множествен­ной линейной регрессии, которая позволит оценить объем товарооборота на ближайшую перспективу при заданных па­раметрах независимых переменных: «обо­рачиваемость товаров» и «удельный вес товаров с высо­кими торговыми надбавками». Исходные данные представлены в таблице 18.

Таблица 18 - Исходные данные

А

В

С

D

1

2

Поряд­ковый номер месяца

Объем товаро­оборота,

тыс. руб.

Обора­чивае­мость товаров, дни

Удельный вес товаров с высокими торговыми надбавками, %

3

1

28415

43,5

22,5

4

2

28231

43,0

18,0

5

3

29783

43,0

24,9

6

4

30969

43,5

24,4

7

5

30494

43,0

20,6

8

6

29757

42,5

19,0

9

7

30850

43,0

22,2

10

8

31325

41,5

21,6

11

9

31359

42,0

19,8

12

10

31610

41,5

19,7

13

11

32366

40,5

23,1

14

12

33313

40,0

23,9

15

13

33508

40,0

21,2

16

14

33374

39,0

20,4

17

15

34811

39,5

24,2

18

16

36046

39,0

26,5

Выполнение:

При построении модели множественной регрессии целесооб­разнее обратиться к инструменту Excel Регрессия, который предлагает исчерпывающую статистическую информацию о ее параметрах и качестве. Порядок работы с инструментом Регрессия определяется соответствующим окном диалога. Его можно вызвать через команду Анализ данных из контекстного меню панели Сер­вис. Диалоговое окно Регрессия предлагает пользователю определиться с набором следующих параметров (рис. 32).

Рисунок 32 - Окно диалога «Регрессия»

Так, в первом разделе выходного массива «Регрессионная статистика» (см. ячейки А4:В8 табл. 19) приведены основные статистические характерис­тики общего качества уравнения: коэффициент множествен­ной корреляции R, коэффициент детерминации R2, стандартная ошибка оценки. Значе­ние R2, равное 0,892, свидетельствует о том, что на основе полученного уравнения регрессии можно объяснить 89,2 % вариации объема товарооборота.

Статистические характеристики второго раздела выход­ного массива «Дисперсионный анализ» (ячейки A10:F14) по­зволяют оценить меру разброса (дисперсию) зависимой пере­менной у и остаточной вариации (дисперсии) отклонений во­круг линии регрессии. Так, значение SSр (ячейка С12) ха­рактеризует часть дисперсии, объясненную регрессией, а SSо (ячейка С13) — часть дисперсии, не объясненной регрес­сией из-за наличия ошибок ε. При проведении регрессионно­го анализа особый интерес представляет изменение этих зна­чений по мере введения каждого регрессора. Качество моде­ли улучшится, если после введения в нее нового фактора зна­чение объясненной части дисперсии возрастет, а не объяс­ненной — снизится.

В ячейках D12:D13 отражены соответственно дисперсия исходного ряда (МSp = SSp / df, где df = k — см. ячейку В12) и несмещенная дисперсия остаточной компоненты (MS0 = SS0 / df, где df = п - k - 1 — см. ячейку В13).

В ячейке F12 второго раздела выходного массива приведен уровень значимости для оцененного F. Значения F-статистики (53,72) выглядит вполне допус­тимым, поскольку уровень значимости для нее (5,2•107) ос­тается гораздо ниже 5%-ного предела, принятого для табличных F-статистик. Следова­тельно, есть основания ожидать, что F-наблюдаемое будет больше Fкрит.

Оценив на основе первого и второго разделов выходного массива общее качество модели связи и убедившись в ее зна­чимости, можем перейти к третьему разделу (см. ячейки A16:G19 табл. 19), который содержит детальную информа­цию о параметрах уравнения регрессии. Приведенные в ячей­ках В17:В19 значения параметров (коэффициентов) уравне­ния позволяют придать формальный вид модели, построен­ной с помощью регрессионного анализа:

у = 71650,26 – 1098,94х1 + 255,838х2,

где х1 — оборачиваемость товаров, дни; х2 - удельный вес товаров с высокими торговыми надбавками, %.

Оценить значимость каждого параметра позволяют зна­чения t-статистики (см. ячейки D17:D19). Можно использо­вать приведенный в выходном массиве уровень значимости (см. ячейки Е17:Е19): если он не превышает 0,05 (т.е. 5%-ного уровня), то рассчитанные характеристики t-статистики будут больше табличного значения. Следовательно, статис­тическая значимость рассчитанных параметров уравнения весьма высока.

И, наконец, наряду с точечными значениями коэффици­ентов регрессии третий раздел выходного массива позволяет получить их интервальные оценки с доверительной вероят­ностью 95 % (см. ячейки F17:G19 табл. 19):

58598,85 < b < 84701,68; -1370,81 < m1 < -827,08; 68,597 < m2 < 443,079.

На основании изложенного можно с 95%-ной увереннос­тью утверждать, что параметры уравнения содержат информацию, значимую для расчета исследуемого показателя.

Таблица 19 - Регрессионный анализ

А

В

С

D

E

F

G

1

ВЫВОД ИТОГОВ

 

 

 

 

 

2

 

 

 

 

 

 

 

3

Регрессионная статистика

 

 

 

 

 

 

4

Множественный R

0,94449

 

 

 

 

 

5

R-квадрат

0,892061

 

 

 

 

 

6

Нормированный R-квадрат

0,875455

 

 

 

 

 

7

Стандартная ошибка

767,1098

 

 

 

 

 

8

Наблюдения

16

 

 

 

 

 

9

 

 

 

 

 

 

 

10

Дисперсионный анализ

 

 

 

 

 

11

 

df

SS

MS

F

Значимость F

 

12

Регрессия

2

63223048,84

31611524,42

53,7193

5,2E-07

 

13

Остаток

13

7649947,599

588457,5077

 

 

 

14

Итого

15

70872996,44

 

 

 

 

15

 

 

 

 

 

 

 

16

 

Коэффициенты

Стандартная ошибка

t-статистика

P-значение

Нижние 95%

Верхние 95%

17

Y-пересечение

71650,26

6041,290874

11,86009163

2,41E-08

58598,85

84701,68

18

Оборачиваемость товаров, дни

-1098,94

125,8413656

-8,732770177

8,46E-07

-1370,81

-827,08

19

Удельный вес товаров с высокими торговыми надбавками, %

255,8378

86,67082253

2,951832613

0,011232

68,59687

443,0787