- •Содержание:
- •I Постановка задачи
- •II Алгоритм решения
- •2.1 Оценка влияния энерговооружённости, фондовооружённости и % прибыли на производительность труда. Расчет матрицы коэффициентов парной корреляции.
- •Матрица коэффициентов парной корреляции
- •Проверка значимости коэффициентов парной корреляции, используя t - критерий Стьюдента
- •2.2 Построение уравнения регрессии.
- •Вывод остатка
- •2.3 Анализ полученных результатов.
- •III Проверка выполнения условий адекватности модели
- •Іv Определение точности модели
- •Заключение
- •Список использованной литературы:
Вывод остатка
Наблюдение |
Предсказанная производительность (у) |
Остатки |
1 |
146,541932 |
11,2280683 |
2 |
150,957077 |
-5,167077057 |
3 |
198,836396 |
-22,53639553 |
4 |
274,712305 |
22,88769476 |
5 |
393,306815 |
-18,80681509 |
6 |
191,468105 |
2,231895486 |
7 |
158,685039 |
8,114961257 |
8 |
292,38746 |
-29,4874598 |
9 |
449,270851 |
-14,07085129 |
10 |
544,298488 |
45,06151161 |
11 |
360,000391 |
4,189609085 |
12 |
663,453024 |
-65,36302378 |
13 |
497,499405 |
2,740595064 |
14 |
395,13991 |
-18,93990966 |
15 |
621,45085 |
35,76914964 |
16 |
441,640764 |
-3,870763921 |
17 |
529,740167 |
32,05983277 |
18 |
349,268043 |
29,23195671 |
19 |
712,114348 |
-5,402348082 |
20 |
249,37063 |
-9,870630473 |
Соответственно искомое уравнение регрессии имеет вид:
у = 58,15 + 0,58х2 + 8,18х3
Полученное уравнение описывает зависимость производительности труда от энерговооружённости и от процента прибыли.
2.3 Анализ полученных результатов.
Для проверки общего качества уравнения регрессии используются:
R - квадрат (коэффициент множественной детерминации). Он характеризует долю вариации (разброса) зависимой переменной (производительности
труда), объясненной с помощью данного уравнения, т. е. обусловленной влиянием на нее отобранных, то есть включенных в модель факторов (процент прибыли и энерговооруженность).
Множественный R – коэффициент множественной корреляции, который служит основным показателем тесноты корреляционной связи. Данный коэффициент изменяется от 0 до 1.Если R=1, то связь между Y с одной стороны и аргументами х1, х3 с другой стороны является функциональной и линейной. Если R=0, то отсутствует линейная корреляционная связь, что не исключает, однако наличие в этом случае нелинейной зависимости. Во всех случаях, то есть 0<R<1, считается, что между У и х1, х3 имеется более или менее сильная корреляционная зависимость.
Стандартная ошибка - это допустимое отклонение теоретического результирующего фактора от фактического.
F-критерий Фишера. Проверяется нулевая гипотеза, смысл которой заключается в том, что все коэффициенты линейной регрессии за исключением свободного члена равны нулю, и, следовательно, фактор хi не оказывает влияния на результат у. Значение F-критерия признается достоверным, если оно больше табличного, тогда нулевая гипотеза отклоняется и уравнение регрессии признается значимым. В данной задаче значимость F близка к нулю, т.е. такова вероятность принятия нулевой гипотезы.
t-статистика Стьюдента. Оценивается значимость коэффициентов регрессии. Эта оценка проводится путем проверки гипотезы о равенстве нулю k-го коэффициента регрессии (k = 1,2,..., m). Расчетное значение t-критерия с числом степеней свободы (n-m-1) находят путем деления k-го коэффициента регрессии на среднеквадратическое отклонение этого коэффициента, которое в свою очередь вычисляется как квадратная дисперсия остаточной компоненты и k-го диагонального элемента матрицы, обратной матрице системы нормальных уравнений относительно параметров модели. Это расчетное значение сравнивается с табличным значением критерия Стьюдента при заданном уровне значимости, и если оно больше табличного значения, коэффициент регрессии считается значимым. В противном случае соответствующий данному коэффициенту регрессии фактор следует исключить из модели, при этом качество модели не ухудшится.
Р-значение – это вероятность принятия нулевой гипотезы по каждому коэффициенту.
Нижние 95% и верхние 95% - это доверительный интервал для нахождения уравнения регрессии (границы нахождения значений коэффициентов регрессии).