Определение зависимости бонитировочного балла
Процесс построения матрицы парных коэффициентов корреляции и установление факторов мультиколлинеарности. Определение уравнения множественной регрессии в линейной форме. Применение критериев Фишера. Порядок оформления выводов в аналитической записке.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | контрольная работа |
| Язык | русский |
| Дата добавления | 29.10.2013 |
| Размер файла | 794,5 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/
Министерство образования Российской Федерации
Челябинский Государственный университет
Институт Экономики Отраслей Бизнеса и Администрирования
Контрольная работа
По Эконометрике
Выполнил: Коротовских Ю.В.
гр. 22ПС-301
Проверил: Шатин И.А
Челябинск, 2011 г.
Задание следует решить с помощью MS EXCEL или любого другого статистического пакета прикладных программ.
По данным, представленным в таблице, изучается зависимость бонитировочного балла (У) от трех факторов.
|
№ п/п |
Внесено минеральных удобрений на посевную площадь, ц |
Коэффициент износа основных средств |
Запасы влаги в почве, мм |
Бонитировочный балл |
|
|
Х1 |
Х2 |
Х3 |
У |
||
|
1 |
13,9 |
57,6 |
144 |
75 |
|
|
2 |
8,8 |
41,6 |
110 |
54 |
|
|
3 |
4 |
66,5 |
110 |
61 |
|
|
4 |
0,01 |
52,8 |
177 |
64 |
|
|
5 |
4,2 |
51,6 |
186 |
72 |
|
|
6 |
0,7 |
37,3 |
112 |
69 |
|
|
7 |
6,7 |
44,2 |
148 |
79 |
|
|
8 |
15,9 |
46,3 |
151 |
73 |
|
|
9 |
1,9 |
39,6 |
110 |
60 |
|
|
10 |
1,9 |
28,3 |
151 |
72 |
|
|
11 |
0,01 |
64,6 |
131 |
54 |
|
|
12 |
0,01 |
49,4 |
113 |
77 |
|
|
13 |
0,01 |
58,4 |
110 |
57 |
|
|
14 |
1,2 |
58,9 |
127 |
72 |
|
|
15 |
0,01 |
49,6 |
136 |
72 |
|
|
16 |
0,01 |
51,9 |
136 |
67 |
|
|
17 |
3,7 |
49,7 |
144 |
72 |
|
|
18 |
0,01 |
37,6 |
100 |
55 |
|
|
19 |
0,01 |
50,3 |
148 |
68 |
|
|
20 |
1,6 |
43,2 |
129 |
68 |
|
|
21 |
2,5 |
36,2 |
125 |
73 |
|
|
22 |
0,01 |
53,5 |
113 |
61 |
|
|
23 |
6,3 |
49,6 |
129 |
70 |
|
|
24 |
0,01 |
54,3 |
168 |
70 |
|
|
25 |
13,1 |
42,9 |
125 |
69 |
|
|
26 |
0,4 |
31,1 |
125 |
75 |
|
|
27 |
0,01 |
49,7 |
131 |
47 |
|
|
28 |
0,8 |
24,6 |
146 |
70 |
|
|
29 |
0,01 |
58,7 |
88 |
66 |
|
|
30 |
0,01 |
56,3 |
127 |
66 |
|
|
31 |
0,5 |
48,4 |
113 |
69 |
|
|
32 |
0,01 |
50,6 |
151 |
68 |
|
|
33 |
2,3 |
49,4 |
129 |
68 |
|
|
34 |
0,01 |
56,8 |
177 |
67 |
|
|
35 |
0,01 |
40,1 |
131 |
46 |
матрица мультиколлинеарность регрессия фишер
Задание следует решить с помощью ППП MS EXCEL или любого другого статистического пакета прикладных программ.
Задание.
1. Постройте матрицу парных коэффициентов корреляции. Установите какие факторы мультиколлинеарны, экономическими показателями (не менее 5) из статистических данных по выборке не менее 30 наблюдений
2. Постройте уравнение множественной регрессии в линейной форме с полным набором факторов.
3. Оцените статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера.
4. Отберите информативные факторы по пунктам 1 и 3. Постройте уравнение регрессии со статистически значимыми факторами.
5. Оцените полученные результаты, выводы оформите в аналитической записке.
Решение.
Для проведения корреляционного анализа воспользуемся программой «Excel»:
1) загрузить среду Excel ;
2) выделить рабочее поле таблицы;
3) выбрать пункт меню «Сервис» и в появившемся меню выбрать «Анализ данных» (рис. 1);
Рис. 1 Меню «Сервис»
4) в появившемся диалоговом окне «Анализ данных» (рис. 2) выбрать «Корреляция;
Рис. 2 Диалоговое окно «Анализ данных»
5) в появившемся диалоговом окне «Корреляция» (рис. 3) убедиться, что все проставленные в нем установки соответствуют таблице исходных данных. После выполнения этих операций нажать клавишу «ОК»;
Рис. 3 Диалоговое окно «Корреляция»
В результате получим:
|
Х1 |
Х2 |
Х3 |
У |
||
|
Х1 |
1 |
||||
|
Х2 |
-0,03376 |
1 |
|||
|
Х3 |
0,098684 |
0,033191 |
1 |
||
|
У |
0,26943 |
-0,13538 |
0,312057 |
1 |
Анализ полученных коэффициентов парной корреляции показывает, что зависимая переменная, т.е. бонитировочный балл имеет слабую прямую связь со всеми независимыми переменными, т.к. значения коэффициентов парной корреляции ниже 0,4.
Мультиколлинеарность отсутствует
2. Для проведения регрессионного анализа, также используем Excel.
1) загрузить среду Excel ;
2) выделить рабочее поле таблицы;
3) выбрать пункт меню «Сервис» и в появившемся меню выбрать «Анализ данных» (рис. 4);
Рис. 4 Меню «Сервис»
4) в появившемся диалоговом окне «Анализ данных» (рис. 5) выбрать «Регрессия»;
Рис. 5 Диалоговое окно «Анализ данных»
5) в появившемся диалоговом окне «Регрессия» (рис. 6) убедиться, что все проставленные в нем установки соответствуют таблице исходных данных. После выполнения этих операций нажать клавишу «ОК»;
Рис. 6 Диалоговое окно «Регрессия»
В результате получим:
|
ВЫВОД ИТОГОВ |
|||||||||
|
Регрессионная статистика |
|||||||||
|
Множественный R |
0,416713 |
||||||||
|
R-квадрат |
0,17365 |
||||||||
|
Нормированный R-квадрат |
0,09368 |
||||||||
|
Стандартная ошибка |
7,58219 |
||||||||
|
Наблюдения |
35 |
||||||||
|
Дисперсионный анализ |
|||||||||
|
df |
SS |
MS |
F |
Значимость F |
|||||
|
Регрессия |
3 |
374,508 |
124,836 |
2,171453 |
0,111346483 |
||||
|
Остаток |
31 |
1782,178 |
57,4896 |
||||||
|
Итого |
34 |
2156,686 |
|||||||
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
||
|
Y-пересечение |
56,84826 |
10,01268 |
5,677626 |
3,08E-06 |
36,42724917 |
77,26927 |
36,42725 |
77,26927 |
|
|
Х1 |
0,440965 |
0,306967 |
1,436523 |
0,16087 |
-0,185098139 |
1,067027 |
-0,1851 |
1,067027 |
|
|
Х2 |
-0,11314 |
0,13485 |
-0,83899 |
0,407899 |
-0,388166847 |
0,161891 |
-0,38817 |
0,161891 |
|
|
Х3 |
0,104629 |
0,058561 |
1,786669 |
0,083775 |
-0,014806871 |
0,224065 |
-0,01481 |
0,224065 |
Уравнение регрессии полученное с помощью Excel, имеет вид:
3. По данным проведенного корреляционного и регрессионного анализа оценим статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента.
Общий F-критерий проверяет гипотезу о статистической значимости уравнения регрессии. Анализ выполняется при сравнении фактического и табличного значения F-критерия Фишера.
Частные F-критерии оценивают статистическую значимость присутствия факторов в уравнении регрессии, оценивают целесообразность включения в уравнение одного фактора после другого.
t-критерий проверяет гипотезу о статистической значимости факторов уравнения регрессии.
4. Согласно проведенному анализу информативными факторами являются х1 и х2, а также коэффициенты b1 и b2. Следовательно уравнение регрессии со статистически значимыми факторами будет иметь вид:
5. Аналитическая записка.
По результатам проведенного корреляционного анализа можно сказать, что межфакторная связь слабая, т.к. значения коэффициентов парной корреляции не превышают значения 0,4, хотя можно сказать, что наибольшая связь результативного признака с и .
Мультиколлинеарность отсутствует, т.к. ни одно значение коэффициентов не превышает 0,7.
Фактическое значение F-критерия Фишера меньше табличного, следовательно можно сказать, что полученное уравнение регрессии статистически незначимо.
По полученным значениям частных F-критериев Фишера, можно сказать, что включение фактора х2 после х3 оказался статистически незначимым: прирост факторной дисперсии (в расчете на одну степень свободы) оказался несущественным. Следовательно, регрессионная модель зависимости бонитировочного балла от количества минеральных удобрений, внесенных в почву и запасов влаги в почве является достаточно статистически значимой и что нет необходимости улучшать ее, включая дополнительный фактор х2 (коэффициент износа основных средств).
Это предположение подтверждает оценка с помощью t-критерия Стьюдента значимости коэффициентов. По результатам этой оценки:
т.е. можно сказать, что b2 и b3 статистически незначимы.
В совокупности с результатами F-статистики, делаем вывод, что из уравнения регрессии можно исключить х2 и b2.
Список использованной литературы
1. Федеральный закон «О бухгалтерском учете» от 21.11.96 г., № 129-ФЗ. - М., 1996.
2. Концепция бухгалтерского учета в рыночной экономике России. Одобрена Методологическим советом по бухгалтерскому учету при Министерстве финансов РФ и Президентским советом Института профессиональных бухгалтеров 29.12.97 г. - М., 1997.
3. План счетов бухгалтерского учета финансово-хозяйственной деятельности организаций и инструкция по его применению. Утверждены приказом Минфина РФ от 31.10.2000 г. № 94н.
4. Абрютина М.С. Грачев А.В. Анализ финансово-хозяйственной деятельности предприятия. - М.: Финансы и статистика, 2002. - 428 с.
Размещено на Allbest.ru
...Подобные документы
Построение корреляционного поля, гипотеза связи исследуемых факторов. Определение коэффициента корреляции. Оценка статистической значимости вычисленных коэффициентов корреляции. Параметры уравнения линейной парной регрессии, коэффициента эластичности.
реферат [526,7 K], добавлен 10.11.2010Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели. Оценка параметров регрессии по методу наименьших квадратов. Нахождение определителей матриц. Применение инструмента Регрессия.
контрольная работа [1,0 M], добавлен 13.01.2013Коэффициент ранговой корреляции Спирмена. Приложения для получения информации с сайта, описание функционала и интерфейса. Описание классов и используемых библиотек. Подготовка и первичный анализ данных. Тестирование logit-регрессии и линейной регрессии.
дипломная работа [2,5 M], добавлен 30.06.2017Анализ систем статистики сайтов и факторы, учитываемые при оценке посещаемости. Наиболее популярные счетчики. Построение модели оценки посещаемости сайта skalyariya.ru. Анализ матрицы коэффициентов парных корреляций и построение уравнения регрессии.
отчет по практике [135,5 K], добавлен 28.04.2014Алгоритмы кластеризации данных, отбора факторов, построения множественной линейной регрессии, оценки параметров процесса на скользящем постоянном интервале. Решение задач анализа данных на нейронных сетях и результаты моделирования нелинейных функций.
контрольная работа [1,5 M], добавлен 11.01.2016Разработка программы построения графика экспериментальных точек и полинома регрессии второй степени в среде Turbo Pascal. Блок-схемы алгоритмов используемых процедур. Листинг программы. Составление вектора свободных членов и матрицы коэффициентов.
курсовая работа [46,6 K], добавлен 24.11.2013Определение параметров линейной зависимости из графика. Метод парных точек. Метод наименьших квадратов. Блок-схема программного комплекса в Microsoft Visual Studio и Microsoft Excel. Инструкция пользователя, скриншоты. Общий вид программного кода.
курсовая работа [2,1 M], добавлен 29.11.2014Идентификация объектов методом наименьших квадратов. Анализ коэффициентов парной, частной и множественной корреляции. Построение линейной модели и модели с распределенными параметрами. Итерационный численный метод нахождения корня (нуля) заданной функции.
курсовая работа [893,3 K], добавлен 20.03.2014Определение понятия знания, модели его представления – фреймовая, продукционная, семантическая. Разбор аналитической платформы Deductor. Описание демо-примера программы Deductor– прогнозирование с помощью линейной регрессии, использование визуализатора.
курсовая работа [1,1 M], добавлен 07.06.2011Методика, факторы, влияющие на определение области планирования. Определение значимости коэффициентов регрессии. Оценка адекватности модели, построение линий уровня. Матрица планирования эксперимента для центрального ортогонального композиционного плана.
контрольная работа [480,3 K], добавлен 11.03.2014Метод корректировки нормы дисконта с учетом риска. Анализ чувствительности критериев эффективности. Установление взаимосвязи между исходными и выходными показателями в виде математического уравнения или неравенства. Определение математической модели.
контрольная работа [45,6 K], добавлен 14.01.2011Рассмотрение модели механизма перемотки ленты в форме структурной схемы и передаточной функции. Определение характеристического уравнения и коэффициентов обратных связей. Проверка результатов синтеза моделированием в программном пакете Classic 3.01.
курсовая работа [1,1 M], добавлен 18.08.2013Функции ввода-вывода строк и символов языка Си. Вычисление среднего значения, дисперсии, среднеквадратических отклонений х и у, коэффициента парной корреляции, регрессии двух функций, остаточных дисперсий. Расчет параметров регрессионных зависимостей.
курсовая работа [421,7 K], добавлен 12.03.2016Ознакомление с основами программного пакета Statistica. Описание статистики и графики. Группировка данных, корреляции, методы множественной регрессии. Рассмотрение набора непараметрических статистик. Реализация дисперсионного и ковариационного анализа.
контрольная работа [544,5 K], добавлен 09.06.2015Вычисление значений регрессионно-авторегрессионной зависимости заданного выражения линейного программирования. Графическое представление математической модели в виде уравнения регрессии. Принципи оптимизации производственных и коммерческих операций.
контрольная работа [2,2 M], добавлен 01.03.2011Сущность понятия "кибернетика". Общее понятие про пассивный и активный эксперимент. Определение локального оптимума на объекте исследования. Применение критерия Кохрена при проверке однородности дисперсий. Проверка адекватности уравнения регрессии.
курсовая работа [222,9 K], добавлен 12.06.2011Освоение метода аналитической иерархии на примере задачи о выборе автомобиля. Вычисление коэффициентов важности. Определение наилучшей альтернативы. Реализация задачи в виде программного продукта в Microsoft.NET Framework на языке C#, описание интерфейса.
курсовая работа [2,4 M], добавлен 13.02.2016Применение математических методов для решения логических задач и построения логических схем. Определение и реализация булевых функций. Основные схемы функциональных элементов. Программируемые логические матрицы. Правила составления таблицы истинности.
курсовая работа [821,6 K], добавлен 19.03.2012Аппроксимация эмпирических данных линейной и квадратичной зависимостью. Теория корреляции: расчет коэффициентов детерминированности. Построение алгоритма и вычисление приближённых функций методом наименьших квадратов в среде программирования Turbo Pascal.
курсовая работа [766,6 K], добавлен 26.12.2011Процесс моделирования имитационной модели функционирования класса персональных компьютеров на языке GPSS World. Поиск линейной зависимости и оценка полученного уравнения. Отчет по результатам работы имитационной модели. Листинг разработанной программы.
курсовая работа [49,2 K], добавлен 07.09.2012
