- •Классическая модель линейной регрессии Задания:
- •Порядок выполнения работы в системе Excel
- •1. Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов по данным в соответствии с вариантом.
- •2. Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности.
- •3. Оцените с помощью f-критерия Фишера-Снедекора значимость уравнения линейной регрессии и показателя тесноты связи.
- •4. Оцените статистическую значимость коэффициентов регрессии с помощью t- критерия Стьюдента.
- •5. Оцените качество уравнения через среднюю ошибку аппроксимации.
- •6. Рассчитайте матрицу парных коэффициентов корреляции и отберите информативные факторы в модели. Укажите коллинеарные факторы.
- •7. Постройте модель в естественной форме только с информативными факторами и оцените ее параметры.
- •8. Постройте модель в стандартизованном масштабе и проинтерпретируйте ее параметры.
- •9. Рассчитайте прогнозное значение результата, если прогнозное значение факторов составляют 80% от их максимальных значений.
- •10. Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости .
- •11. По полученным результатам сделайте экономический вывод.
2. Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности.
Средние коэффициенты эластичности показывают, на сколько процентов от значения своей средней изменяется результат при изменении фактора на 1 % от своей средней и при фиксированном воздействии на y всех прочих факторов, включенных в уравнение регрессии. Для линейной зависимости
,
где - коэффициент регрессии при в уравнении множественной регрессии.
Средние значения факторов можно получить воспользовавшись инструментом анализа данных Описательная статистика. Для этого:
1) в главном меню выберете последовательно пункты Сервис / Анализ данных / Описательная статистика, после чего щелкните по кнопке ОК;
2) заполните диалоговое окно ввода данных и параметров вывода (рисунок 4)
Рисунок 4 – Диалоговое окно ввода параметров инструмента Описательная статистика
Результаты вычисления соответствующих показателей для каждого признака представлены на рисунке 5.
Рисунок 5 – Результат применения инструмента Описательная статистика
Подставив соответствующие средние значения факторов, получим:
;
;
;
;
Коэффициент эластичности показывает, что с увеличением числа колесных тракторов на 1%, урожайность в среднем снизится на 0,00099%, при фиксированном значении остальных факторов. Аналогично делается вывод для остальных факторов.
По значению коэффициента эластичности можно ранжировать факторы по силе влияния на результат. В нашем примере наибольшее влияние на у оказывают факторы х2 и х4, чем факторы х1, х3, х5.
3. Оцените с помощью f-критерия Фишера-Снедекора значимость уравнения линейной регрессии и показателя тесноты связи.
Оценку надежности уравнения регрессии в целом и показателя тесноты связи дает F-критерий Фишера:
.
Для проверки значимости уравнения выдвигаем две гипотезы:
Н0: уравнение регрессии статистически не значимо;
Н1: уравнение регрессии статистически значимо.
По данным таблиц дисперсионного анализа, представленным на рисунке 3, =2,937. Величина P – значение из этой же таблицы свидетельствует о том, что вероятность случайно получить такое значение F-критерия составляет 0,051, что превышает допустимый уровень значимости 5 %. Следовательно, полученное значение случайно, оно сформировалось под влиянием случайных факторов, т.е. не подтверждается статистическая значимость всего уравнения и показателя тесноты связи .
Однако, если принять уровень значимости 10%, то можно говорить, что уравнение регрессии статистически значимо с вероятностью 90%.
Также, судить о значимости уравнения регрессии и показателя тесноты связи, можно сравнивая Fфакт c Fкр(α, v1, v2).
Значения множественного коэффициента корреляции R, нескорректированного (R-квадрат) и скорректированного (Нормированный R-квадрат) линейных множественных коэффициентов детерминации проведены на рисунке 3, в рамках регрессионной статистики.
Множественный коэффициент корреляции R равен 0,715, что свидетельствует о тесной связи результативного показателя с факторными.
Коэффициент множественной детерминации = 0,512 оценивает долю вариации результативного признака, обусловленную вариацией факторных признаков, здесь эта доля составляет 51,2% и указывает на хорошую степень обусловленности результата вариацией факторных признаков, т.е. на тесную связь между ними.
Скорректированный коэффициент множественной детерминации = 0,338 определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсией. Он дает такую оценку тесноты связи, которая не зависит от числа факторов в модели и потому может сравниваться по разным моделям с разным числом факторов.