ВЕЛИКА БРИТАНІЯ

Дата добавления: 2015-08-31; просмотров: 704

Для удобства проведения расчетов поместим результаты промежуточных расчетов в таблицу:

№
	7,0	3,9	10,0	27,3	70,0	39,0	15,21	100,0	49,0
	7,0	3,9	14,0	27,3	98,0	54,6	15,21	196,0	49,0
	7,0	3,7	15,0	25,9	105,0	55,5	13,69	225,0	49,0
	7,0	4,0	16,0	28,0	112,0	64,0	16,0	256,0	49,0
	7,0	3,8	17,0	26,6	119,0	64,6	14,44	289,0	49,0
	7,0	4,8	19,0	33,6	133,0	91,2	23,04	361,0	49,0
	8,0	5,4	19,0	43,2	152,0	102,6	29,16	361,0	64,0
	8,0	4,4	20,0	35,2	160,0	88,0	19,36	400,0	64,0
	8,0	5,3	20,0	42,4	160,0	106,0	28,09	400,0	64,0
	10,0	6,8	20,0	68,0	200,0	136,0	46,24	400,0	100,0
	9,0	6,0	21,0	54,0	189,0	126,0	36,0	441,0	81,0
	11,0	6,4	22,0	70,4	242,0	140,8	40,96	484,0	121,0
	9,0	6,8	22,0	61,2	198,0	149,6	46,24	484,0	81,0
	11,0	7,2	25,0	79,2	275,0	180,0	51,84	625,0	121,0
	12,0	8,0	28,0	96,0	336,0	224,0	64,0	784,0	144,0
	12,0	8,2	29,0	98,4	348,0	237,8	67,24	841,0	144,0
	12,0	8,1	30,0	97,2	360,0	243,0	65,61	900,0	144,0
	12,0	8,5	31,0	102,0	372,0	263,5	72,25	961,0	144,0
	14,0	9,6	32,0	134,4	448,0	307,2	92,16	1024,0	196,0
	14,0	9,0	36,0	126,0	504,0	324,0	81,0	1296,0	196,0
Сумма		123,8		1276,3		2997,4	837,74	10828,0	1958,0
Ср. знач.	9,6	6,19	22,3	63,815	229,05	149,87	41,887	541,4	97,9

Найдем средние квадратические отклонения признаков:

;

;

.

Вычисление параметров линейного уравнения множественной регрессии.

Для нахождения параметров линейного уравнения множественной регрессии

необходимо решить следующую систему линейных уравнений относительно неизвестных параметров , , :

либо воспользоваться готовыми формулами:

; ;

.

Рассчитаем сначала парные коэффициенты корреляции:

;

;

.

Находим

;

;

.

Таким образом, получили следующее уравнение множественной регрессии:

.

Коэффициенты и стандартизованного уравнения регрессии находятся по формулам:

;

.

Т.е. уравнение будет выглядеть следующим образом:

.

Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что ввод в действие новых основных фондов оказывает большее влияние на выработку продукции, чем удельный вес рабочих высокой квалификации.

Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности:

.

Вычисляем:

; .

Т.е. увеличение только основных фондов (от своего среднего значения) или только удельного веса рабочих высокой квалификации на 1% увеличивает в среднем выработку продукции на 0,61% или 0,20% соответственно. Таким образом, подтверждается большее влияние на результат фактора , чем фактора .

Коэффициенты парной корреляции мы уже нашли:

; ; .

Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы и явно коллинеарны, т.к. ). При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения.

Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.

При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:

;

.

Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.

Коэффициент множественной корреляции определить через матрицу парных коэффициентов корреляции:

,

где

– определитель матрицы парных коэффициентов корреляции;

– определитель матрицы межфакторной корреляции.

;

.

Коэффициент множественной корреляции

.

Аналогичный результат получим при использовании других формул:

;

;

.

Коэффициент множественной корреляции показывает на весьма сильную связь всего набора факторов с результатом.

Нескорректированный коэффициент множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами – на весьма тесную связь факторов с результатом.

Скорректированный коэффициент множественной детерминации

определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более ) детерминированность результата в модели факторами и .

Оценку надежности уравнения регрессии в целом и показателя тесноты связи дает -критерий Фишера:

.

В нашем случае фактическое значение -критерия Фишера:

.

Получили, что (при ), т.е. вероятность случайно получить такое значение -критерия не превышает допустимый уровень значимости . Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи .

С помощью частных -критериев Фишера оценим целесообразность включения в уравнение множественной регрессии фактора после и фактора после при помощи формул:

;

.

Найдем и .

;

.

Имеем

;

.

Получили, что . Следовательно, включение в модель фактора после того, как в модель включен фактор статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным, несущественным; фактор включать в уравнение после фактора не следует.

Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат расчета частного -критерия для будет иным. , т.е. вероятность его случайного формирования меньше принятого стандарта . Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .

Общий вывод состоит в том, что множественная модель с факторами и с содержит неинформативный фактор . Если исключить фактор , то можно ограничиться уравнением парной регрессии:

, .

Задание для самостоятельной работы ( выполнить по аналогии с примером )

По предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов ( от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих ( ).

Номер предприятия				Номер предприятия
		3,6				6,3
		3,6				6,4
		3,9
		4,1				7,5
		3,9				7,9
		4,5				8,2
		5,3
		5,3				8,6
		5,6				9,5
		6,8

Требуется:

Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.

Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.

Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.

С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .

С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора после и фактора после .

Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.

Лабораторная работа №5

«Введение в множественную регрессию»

Часто приходится использовать несколько независимых переменных ( ) для предсказания значения зависимой переменной. В этих случаях для оценки интересующей нас зависимости можно применять либо вариант множественной регрессии в Пакете анализа, либо функцию ЛИНЕЙН().

Множественная регрессия предполагает, что зависимость между y и описывается уравнением вида

Программа Excel вычисляет значения Константы и для расчёта с помощью данного уравнения как можно более точных (с точки зрения минимизации суммы квадратов ошибок) прогнозируемых значений.