Задание.
Рабочая таблица
Группы рабочих по полу |
Число рабочих |
Размер зар.платы (д.е.) |
Мужчины (1) |
12 |
22100 + 56200 + 80200+86100+54800+91300+83100+36900+31900+44800+80200+69900
|
Итого по группе мужчин |
|
737500 |
Женщины (0) |
8 |
22100 + 36900 + 60200 + 75900 + 31900+68300+44800+54800
|
Итого по группе женщин |
|
394900 |
Итого по совокупности |
20 |
1132400 |
Зависимость уровня заработной платы рабочих от пола
Группы рабочих по полу |
Число рабочих |
Средний размер зар.платы (д.е.) |
Мужчины (1) |
12 |
61458,3 |
Женщины (0) |
8 |
49362,5 |
Итого |
20 |
110820,8 |
Рабочая таблица
Группы рабочих по уровню образования |
Число рабочих |
Размер зар.платы (д.е.) |
0 лет |
2 |
653300; 326650 |
2 года |
7 |
488900; 69842,9 |
4 года |
5 |
242300; 48460 |
6 лет |
5 |
167600; 33520 |
Итого |
20 |
964100; 48205 |
Постройте аналитические группировки:
-
Вариант
Число групп
1
Зависимость зарплаты от стажа (опыта)
3
2
Зависимость зарплаты от возраста
3
3
Зависимость прибыли от общего числа абонентов
3
4
Зависимость прибыли от выручки за мобильный трафик
3
5
Зависимость прибыли от затрат на подддержание и обновление программного обеспечения
3
6
Зависимость доходов от основной деятельности от среднесписочной численности работников основного состава
4
7
Зависимость доходов от основной деятельности от средней заработной платы работников основного состава
4
8
Зависимость доходов от основной деятельности от ввода основных фондов
4
9
Зависимость доходов от основной деятельности от среднего количества линий
4
10
Зависимость доходов от основной деятельности от абонентской платы в месяц
4
http://statistiks.ru/zadachi?start=3
Определите параметры уравнения многофакторной регрессии, используя функции "Линейн" и "лгрфприбл"
2.1. Уравнение множественной линейной регрессии имеет следующий вид:
y = m1x1 + m2x2 + ... mnxn+ b (в случае нескольких диапазонов значений x),
где зависимое значение y — функция независимого значения x, значения m — коэффициенты, соответствующие каждой независимой переменной x, а b — постоянная. Функция ЛИНЕЙН возвращает массив {mn; mn-1; ...; m1; b}.
2.2. Уравнение множественной регрессии (кривой для " ЛГРФПРИБЛ ") имеет следующий вид:
y = (b*(m1^x1)*(m2^x2)*_) (в случае нескольких значений x),
где зависимые значения y являются функцией независимых значений x. Значения m являются основанием, возводимым в степень x, а значения b постоянны. Функция ЛГРФПРИБЛ возвращает массив {mn; mn-1; ...; m1; b}.
Возвратите дополнительную регрессионную статистику (аргументу статистика придайте значение ИСТИНА)
Внимательно прочитайте справку по функциям "Линейн" и "лгрфприбл"
Дополнительная регрессионная статистика:
Величина |
Описание |
se1,se2,...,sen |
Стандартные значения ошибок для коэффициентов m1,m2,...,mn. |
seb |
Стандартное значение ошибки для постоянной b (seb = #Н/Д, если конст имеет значение ЛОЖЬ). |
r2 |
Коэффициент детерминированности. Коэффициент r2 равен ssreg/sstotal (sstotal= ssreg+ ssresid). Сравниваются фактические значения y и значения, получаемые из уравнения прямой; по результатам сравнения вычисляется коэффициент детерминированности, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т. е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминированности равен 0, использовать уравнение регрессии для предсказания значений y не имеет смысла. |
sey |
Стандартная ошибка для оценки y. |
F |
F-статистика, или F-наблюдаемое значение. F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайной или нет. F = |
df |
Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице (для использования функции FРАСПОБР). Для определения уровня надежности модели нужно сравнить значения в таблице с F-статистикой, возвращаемой функцией ЛИНЕЙН. Если Fнабл(расч)>Fкр(табл), то R2 статистически значим (гипотеза об отсутствии связи между исследуемыми показателями отвергается) |
ssreg |
Регрессионная сумма квадратов. |
ssresid |
Остаточная сумма квадратов. |
На приведенном ниже рисунке показано, в каком порядке возвращается дополнительная регрессионная статистика.