Регрессионный анализ

Построение ковариационной и корреляционной матрицы (количество строк и столбцов равно числу переменных). Статистический анализ построенной регрессии, определение значимости модели и ее параметров, анализ адекватности модели на основе критерия Фишера.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 03.11.2018
Размер файла 226,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru//

Размещено на http://www.allbest.ru//

МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования

«Тульский государственный университет»

Кафедра «Вычислительная техника»

Практикум по теории статистики и многомерному статанализу

КОНТРОЛЬНО-КУРСОВАЯ РАБОТА

Регрессионный анализ

Выполнили:

студент гр.220931

Царёва А. Д.

Проверил:

проф. кафедры ВТ

Фатуев В. А.

Тула 2016

Цель работы

Изучение и приобретение навыков построения регрессионных моделей.

Задание на работу

Решить следующие задачи (в соответствии с вариантом):

1) Построить ковариационную и корреляционную матрицу (количество строк и столбцов равно числу переменных, на пересечении - коэффициент ковариации или корреляции соответственно).

2) Построить уравнение линейной регрессии, которое определяет зависимость эндогенной переменной (зависимая переменная) от других факторов (экзогенных). Зависимую и независимые переменные определить самостоятельно на основе построенной корреляционной матрицы.

3) Провести статистический анализ построенной регрессии, определив значимость модели, параметров модели, и адекватность модели на основе критерия Фишера. В случае отсутствия значимости модели и ее параметров перестроить модель.

4) Определить влияние независимых переменных на зависимую на основе коэффициента эластичности и дельта-коэффициентов.

Сделать выводы по каждому пункту.

Данные варианта 2

Результаты выборочного исследования предприятий представлены в таблице 1.

Таблица 1

предприятия

Объем продукции,

млн руб.

Среднегодовая стоимость основных средств, млн руб.

Среднесписочное число работников, чел.

Прибыль,

тыс. руб.

1

2

3

4

5

6

7

8

9

10

11

12

13

14

197,7

592,0

465,5

296,2

584,1

480,0

578,5

204,7

466,8

292,2

423,1

192,6

360,5

208,3

10,0

22,8

18,4

12,6

22,0

19,0

21,6

9,4

19,4

13,6

17,6

8,8

14,0

10,2

900

1500

1412

1200

1485

1420

1390

817

1375

1200

1365

850

1290

900

13,5

136,2

97,6

44,4

146,0

110,4

138,7

30,6

111,8

49,6

105,8

30,7

64,8

33,3

15

16

17

18

19

20

21

22

23

24

25

190,7

502,0

460,0

301,3

564,5

484,4

571,1

264,7

467,3

290,2

403,4

10,0

20,0

16,8

12,6

22,5

19,5

20,5

8,4

18,9

13,1

17,1

920

1000

1215

1202

1480

1410

1400

825

1361

1200

1333

15,5

100,2

97,0

44,4

145,0

105,4

118,7

30,1

111,1

45,5

108,5

Ход работы

Задание 1

Построим ковариационнцю матрица по таблице 1 при помощи инструментов Microsoft Excel. Для этого используем функцию КОРРЕЛЯЦИЯ(), в которой укажем наш диапазон данных таблицы. Получим следующую матрицу (рисунок 1):

Рисунок 1 - Ковариационная матрица

Вывод: на основе полученной матрицы можно сказать, что все значения не являются нелинейыми между собой, т.к. все коэффициенты ковариации не равны 0.

Построим корреляционную матрицу при помощи функции КОРРЕЛЯЦИЯ() (рисунок 2).

Рисунок 2 - Корреляционная матрица

Вывод: на основе полученной матрицы можно сказать, что все пункты, по которым выделяется зависимость по предприятиям, обладают практически абсолютной линейной зависимость. Однако число работников не имеет абсолютную линейную зависимость по сравнению с остальными показателями, но оно очень близко к линейной ( коэффициенты 0,85; 0,86; 0,88).

Задание 2

Зависимая переменная в данной задаче - объём продукции в млн.руб. Соответственно все остальные переменные являются независимыми. В данной задаче уравнение линейной регрессии будет иметь вид:

При помощи функции РЕГРЕССИЯ() получим регрессионную статистику, в которой будут посчитаны коэффициенты уравнения регрессии (рисунок 3).

Рисунок 3 - Регрессионная статистика

В колонке Coefficients подсчитаны все коэффициенты. Таким образом линейное уравнение регресси принимает следующий вид:

Вывод: имея линейную зависимоть между переменными и рассчитанными коэффициентами получаем уравнение регрессии линейного вида.

Задание 3

Критерий Фишера из рисунка 3 равен 208,99. По числу степеней свободы ( 3 и 21) определим по таблице F-распределения (рисунок 4), что Fкр= 5,18. Критерий Фишера также рассчитывается по формуле .

Рисунок 4 - Таблица F-распределения

Вывод: F >Fкр. Модель является статически значима.

Наиболее эффективной оценкой адекватности регрессионной модели является коэффициент детерминации = 0.97. При этом коффициент детерминации рассчитывается по формуле :, , определяемая при помощий дисперсий остатков.

Если коэффициент детерминации равен 1, то имеет место полная корреляция с моделью, т. е. различий между фактическим и оценочным значениями y нет. В противоположном случае, если коэффициент детерминации равен 0, использовать уравнение регрессии для предсказания значений y не имеет смысла.

Вывод: на основе коэффициента детерминации можно сказать, что модель является адекватной.

Задание 4

Дельта-коэффициенты определяют долю вклада каждого фактора в суммарное влияние на вход. Рассчитываются по формуле

где - оценки соответмствующих регрессионных коэффициентов, ; - коэффициент детерминации. Используя Microsoft Excel, получим,

Вывод: как видно из полученных результатов наблюдается случай мультиколлинеарности при втором коэффициенте, так как он отрицателен. Однако можно сказать, что третий фактор, а именно прибыль определяется объёмом продукции.

Рассчитаем коэффициены эластичности. Формула коэффициента эластичности для линейной регрессионной модели имеет вид:

таким образом получим,

регрессия модель статистический

Вывод: увеличение среднегодовой стоимости на 1% повлечет за собой увеличение объёма продукции на 0,76%; увеличение числа работников на 1% приведёт к уменьшению объёма продукции на 0,102%; а увеличение прибыли на 1% приведёт к увеличению объёма продукции на 0,259%.

Размещено на Allbest.ru

...

Подобные документы

  • Построение модели множественной линейной регрессии по заданным параметрам. Оценка качества модели по коэффициентам детерминации и множественной корреляции. Определение значимости уравнения регрессии на основе F-критерия Фишера и t-критерия Стьюдента.

    контрольная работа [914,4 K], добавлен 01.12.2013

  • Сбор данных и их первичная обработка. Построение корреляционной матрицы. Связь между факторными и результативными признаками. Оценка статистической значимости параметров регрессии. Определение доверительного интервала параметров доверительной регрессии.

    курсовая работа [739,0 K], добавлен 06.04.2016

  • Расчет параметров парной линейной регрессии. Оценка статистической значимости уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента. Построение матрицы парных коэффициентов корреляции. Статистический анализ с помощью ППП MS EXCEL.

    контрольная работа [1,6 M], добавлен 14.05.2008

  • Расчет матрицы парных коэффициентов корреляции и статистической значимости коэффициентов регрессии. Оценка статистической значимости параметров регрессионной модели с помощью t-критерия. Уравнение множественной регрессии со статистически факторами.

    лабораторная работа [30,9 K], добавлен 05.12.2010

  • Определение воспроизводимости эксперимента по критерию Кохрина и коэффициентов линейной модели. Проверка адекватности модели при помощи критерия Фишера. Значимость коэффициентов регрессии и расчеты в автоматическом режиме в программе Statgraphics plus.

    лабораторная работа [474,1 K], добавлен 16.06.2010

  • Нахождение коэффициента корреляции и параметров линии регрессии по заданным показателям y и х. Оценка адекватности принятой модели по критерию Фишера. Построение графика линии регрессии и ее доверительной зоны, а также коэффициента эластичности.

    контрольная работа [2,1 M], добавлен 09.07.2014

  • Построение уравнения регрессии, учитывающего взаимодействия факторов, проверка полученной модели на адекватность. Построение математической модели и нахождение численных значений параметров этой модели. Вычисление коэффициентов линейной модели.

    курсовая работа [1005,0 K], добавлен 07.08.2013

  • Регрессионный анализ. Экспериментальные, средние и расчетные значения выходной переменной. Проверка однородности дисперсий. Оценка значимости коэффициентов модели. Табличные значения критерия Стьюдента для заданных уровней значимости и степеней свободы.

    лабораторная работа [2,9 M], добавлен 28.12.2012

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • Построение уравнения множественной регрессии в линейной форме с полным набором факторов, отбор информативных факторов. Проверка значимости уравнения регрессии по критерию Фишера и статистической значимости параметров регрессии по критерию Стьюдента.

    лабораторная работа [217,9 K], добавлен 17.10.2009

  • Построение и анализ однофакторной и многофакторной эконометрической модели. Вычисление парных и частичных коэффициентов корреляции. Проверка адекватности модели по критерию Фишера. Исследование наличия мультиколлениарности по алгоритму Феррара-Глобера.

    контрольная работа [172,4 K], добавлен 28.05.2010

  • Оценка корреляционной матрицы факторных признаков. Оценки собственных чисел матрицы парных коэффициентов корреляции. Анализ полученного уравнения регрессии, определение значимости уравнения и коэффициентов регрессии, их экономическая интерпретация.

    контрольная работа [994,1 K], добавлен 29.06.2013

  • Рассмотрение процедуры регрессионного анализа на основе данных (цена продажи и жилая площадь) о 23 объектах недвижимости. Расчет параметров уравнения линейной регрессии и проверка его адекватности исследуемому процессу (используя приложение MS Exсel).

    лабораторная работа [1,2 M], добавлен 13.03.2014

  • Построение корреляционного поля зависимости между y и x1, определение формы и направления связи. Построение двухфакторного уравнения регрессии y, x1, x2, оценка показателей тесноты связи. Оценка модели через F-критерий Фишера и t-критерий Стьюдента.

    лабораторная работа [1,0 M], добавлен 23.01.2011

  • Численные коэффициенты функции регрессии. Построение транспортной модели. Нахождение опорного плана методом Фогеля. Построение модели экономичных перевозок. Составление транспортной матрицы. Общая распределительная задача линейного программирования.

    курсовая работа [1,3 M], добавлен 11.06.2010

  • Построение вариационного (статистического) ряда, гистограммы и эмпирической функции распределения. Определение выборочных оценок числовых характеристик случайной величины. Расчет матрицы парных коэффициентов корреляции и создание модели парной регрессии.

    контрольная работа [2,0 M], добавлен 05.04.2014

  • Статистический анализ по выборке. Проведение регрессионного анализа исходных данных и выбор аналитической формы записи производственной функции. Выполнение экономического анализа в выбранной регрессионной модели на основе коэффициентов эластичности.

    курсовая работа [2,2 M], добавлен 22.07.2015

  • Основы построения и тестирования адекватности экономических моделей множественной регрессии, проблема их спецификации и последствия ошибок. Методическое и информационное обеспечение множественной регрессии. Числовой пример модели множественной регрессии.

    курсовая работа [3,4 M], добавлен 10.02.2014

  • Определение количественной зависимости массы пушного зверька от его возраста. Построение уравнения парной регрессии, расчет его параметров и проверка адекватности. Оценка статистической значимости параметров регрессии, расчет их доверительного интервала.

    лабораторная работа [100,5 K], добавлен 02.06.2014

  • Построение эконометрической модели. Описания, анализ и прогнозирование явлений и процессов в экономике. Использование регрессионных моделей. Построение корреляционной матрицы. Коэффициент множественной детерминации. Значение статистики Дарбина-Уотсона.

    курсовая работа [61,0 K], добавлен 10.03.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.