- •Рабочая тетрадь
- •По дисциплине
- •«Статистика»
- •Оглавление
- •I. Задания для аудиторной работы
- •График решения задач для аудиторной и домашней работы
- •Тема 1. «Выборочный метод»
- •Тема 2. «Проверка статистических гипотез»
- •Тема 3. «Корреляционно – регрессионный анализ»
- •Тема 4. «Ряды динамики»
- •Тема 5. «Экономические индексы»
- •II. Задания для самостоятельной работы
- •Статистика. Самостоятельные работы.
- •Самостоятельная работа 1.
- •Самостоятельная работа 6.
- •Самостоятельная работа 7.
- •Самостоятельная работа 8.
- •Самостоятельная работа 9.
- •Самостоятельная работа 10.
- •Самостоятельная работа 11.
- •Самостоятельная работа 12.
- •Самостоятельная работа 13.
- •Самостоятельная работа 14.
- •III. Типовой расчет
- •Статистика. Типовой расчет.
- •IV. Примеры решения задач
- •Тема 1. «Выборочный метод»
- •1. Определяем размах выборки как разность между ее максимальным и
- •2. Определяем длину b и количество интервалов группировки k; b и k нужно подобрать так, чтобы
- •3. Для каждого интервала группировки (α;β) находим:
- •4. Дополнительно вводим колонку
- •1. Полигон частот есть ломаная с вершинами в точках с координатами .
- •3. Кумулятивная кривая (или полигон относительных накопленных частот или кумулята) определяется как ломаная с вершинами в точках с координатами .
- •4. Вероятность попадания случайной величины в интервал (α;β) находится следующим образом:
- •1. Среднее значение (средняя арифметическая)
- •1. Находим шаг варьирования , то есть разность между любыми двумя соседними значениями случайной величины. Предполагается, что выборочной совокупности- постоянная величина.
- •- Если отбор случайный – повторный, - если отбор случайный – бесповторный.
- •- Если отбор случайный – повторный, - если отбор случайный – бесповторный.
- •Для заметок
- •Для заметок
- •Тема 3. «Корреляционно – регрессионный анализ»
- •1. Эмпирические данные принято записывать в виде корреляционной таблицы (если группировочный признак представлен в виде интервала, то необходимо найти его середину):
- •2. Эмпирической линией регрессии у на х называется ломаная с вершинами в точках с координатами
- •3. Коэффициент линейной корреляции r позволяет определить форму корреляционной зависимости. Он подсчитывается по формуле:
- •4. Степень тесноты корреляционной связи устанавливается с помощью корреляционного отношения η, равного
- •2. Отбор факторных признаков, пока модель не построена, производится несколькими способами. Все они основаны на расчете межфакторных коэффициентов корреляции
- •3. Форму и тесноту корреляционной зависимости можно с помощью множественного коэффициента корреляции . В частности, если число факторных признаков равно двум, то
- •Для заметок
- •Тема 4. «Ряды динамики»
- •3. В зависимости от типа ряда динамики среднее значение его уровней подсчитывается по формуле:
- •Для заметок
- •Тема 5. «Экономические индексы»
- •1. Обозначим и,и,и- соответственно себестоимостьz, цена p и объем q (объем производства, продаж и т. Д.) базисного и отчетного периодов.
- •3. С помощью индексов можно найти величину экономии (отрицательное число) или перерасхода (положительное число) производителя от изменения себестоимости:
- •4. Величина экономии (отрицательное число) или перерасхода (положительное число) потребителя от изменения цены равна:
- •1. Обозначим - время, необходимое на производство единицы продукции (трудоемкость). Тогда, суммарные затраты времени на производство всей продукции данного типа
- •2. Индивидуальный индекс производительности труда равен:
- •3. Сводный индекс производительности труда, взвешенный по трудоемкости может быть подсчитан двумя способами: по определению и по формуле средней арифметической взвешенной,
- •4. Сводный индекс производительности труда, взвешенный по выработке, равен:
- •1. Индекс цен переменного состава рассчитывается как отношение средних цен отчетного и базисного периодов:
- •2. Изменение индивидуальных цен, а также изменение и специфика реализации (производства) в различных местах продажи (производства) учитывается индексом структурных сдвигов:
- •3. Изменение цен без учета структуры производится с помощью индекса цен фиксированного состава, который рассчитывается также как и агрегатный индекс цен, введенный в задаче 18:
- •4. Между введенными индексами существует связь:
- •1. Территориальный индекс цен равен
- •2. Соотношение весов сравниваемых регионов учтено в следующем способе расчета территориального индекса цены:
- •3. Индекс физического объема реализации подсчитывается по формуле:
- •4. Расчет индексов ипроизводится аналогично.
- •Для заметок
- •V. Приложения
- •1. Экзаменационные вопросы по курсу «Статистика»
- •3. Таблицы
- •4. Литература
2. Эмпирической линией регрессии у на х называется ломаная с вершинами в точках с координатами
.
Аналогично определяется эмпирическая линия регрессии у на х – ломаная с вершинами в точках с координатами
.
При этом и- групповые средние, которые определяются для каждого значенияx признака X в первом случае и для каждого значения y признака Y во втором. Их расчетные формулы таковы:
, .
3. Коэффициент линейной корреляции r позволяет определить форму корреляционной зависимости. Он подсчитывается по формуле:
.
Средние квадратические отклонения группировочных признаков определяются как арифметические квадратные корни из дисперсий. Дисперсии рассчитываются по определению или по формуле разностей (см. задачу 4), а также методом моментов (см. задачу 5). Величина μ может быть найдена двумя способами: по определению
,
,
а средние арифметические инаходятся по определению (задача 4) или методом моментов (задача 5); методом моментов (см. задачу 5)
.
В зависимости от r имеем следующую интерпретацию связи
Значение r |
Интерпретация связи |
Линейная функциональная | |
Линейная обратная | |
Нелинейная | |
Нелинейная | |
Линейная прямая | |
Отсутствует |
4. Степень тесноты корреляционной связи устанавливается с помощью корреляционного отношения η, равного
,
При этом и- соответственно межгрупповое и общее средние квадратические отклонения, равные
, ,
.
Характер связи определяется так:
Значение η |
Характер связи |
Отсутствует | |
Практически отсутствует | |
Слабая | |
Умеренная | |
Сильная | |
Функциональная |
Для проверки правильности произведенных вычислений удобно использовать свойство корреляционного отношения:
.
5. Проверить гипотезу о статистической значимости эмпирических данных, а следовательно о принципиальной возможности построения уравнения регрессионной модели можно с помощью t - критерия Стьюдента.
Правило проверки гипотезы. Если наблюдаемое значение критерия больше критического,
,
То это с вероятностью γ (уровнем значимости α = 1- γ) говорит о значимости коэффициента линейной корреляции, а следовательно о статистической значимости эмпирических данных. При этом
,
а критическое значение определяется по таблице (см. таблицу 3 Приложения):
, α = 1- γ, ν = n – 2.
6. Нахождение параметров уравнений линий регрессии у на х и х на у производится путем решения соответствующих систем нормальных уравнений. Для линейного случая существует еще один, упрощенный способ. Вид уравнений линейной, параболической и показательной регрессий и способы расчета их параметров помещены в таблицу 10.
7. Точность построенной регрессионной модели определяется с помощью средней ошибки аппроксимации , равной
,
при этом y и y* - соответственно эмпирическое и теоретическое (рассчитанное по модели) значение признака Y, соответствующее данному значению x признака X.
8. Степень влияния факторного признака X на результативный признак Y определяется с помощью индекса детерминации
.
9. Величины средней ошибки аппроксимации и индекса детерминации позволяют определить наиболее точную регрессионную модель. Ей считается та, у которой одновременно средняя ошибка аппроксимации стремится к минимуму, а индекс детерминации – к максимуму,
, .
10. Прогноз значения у происходит путем подстановки данного значения х в уравнение регрессии у на х. Аналогично, для прогноза значения х по заданному значению у, необходимо использовать уравнение регрессии х на у.
Таблица 10
|
у на х |
х на у |
Линейная | ||
, |
, | |
Параболическая | ||
Показательная | ||
Переходим к решению задачи. Вначале запишем исходные данные в виде корреляционной таблицы:
Х Y |
(5;9) |
(9;13) |
(13;17) |
(17;21) |
(21;25) |
(25;29) | ||
7 |
11 |
15 |
19 |
23 |
27 | |||
(1;3) |
2 |
|
|
|
|
2 |
7 |
9 |
(3;5) |
4 |
|
|
|
4 |
4 |
3 |
11 |
(5;7) |
6 |
|
|
6 |
3 |
1 |
|
10 |
(7;9) |
8 |
|
1 |
2 |
1 |
|
|
4 |
(9;11) |
10 |
|
6 |
2 |
|
|
|
8 |
(11;13) |
12 |
2 |
1 |
|
|
|
|
3 |
(13;15) |
14 |
5 |
|
|
|
|
|
5 |
7 |
8 |
10 |
8 |
7 |
10 |
50 |
Строим корреляционное поле данных (рисунок 10)
Рис. 10
Производим все необходимые вычисления в ниже приведенной таблице. В клетке, стоящей на пересечении строки и столбца указаны следующие данные:
| ||
|
| |
|
X
Y |
(5;9) |
(9;13) |
(13;17) |
(17;21) |
(21;25) |
(25;29) | |||||||||||||||||
7 |
11 |
15 |
19 |
23 |
27 | ||||||||||||||||||
-2 |
-1 |
0 |
1 |
2 |
3 | ||||||||||||||||||
(1;3) |
2 |
-1 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
46 |
14 |
|
189 |
9 |
235 |
26,1111 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
7 |
| ||||||
|
|
|
|
|
|
|
|
|
|
|
|
92 |
|
-4 |
378 |
|
-21 | ||||||
(3;5) |
4 |
0 |
|
|
|
|
|
|
|
|
|
16 |
|
76 |
16 |
|
92 |
12 |
|
81 |
11 |
249 |
22,6364 |
|
|
|
|
|
|
|
|
|
|
4 |
|
|
4 |
|
|
3 |
| ||||||
|
|
|
|
|
|
|
|
|
304 |
|
0 |
368 |
|
0 |
324 |
|
0 | ||||||
(5;7) |
6 |
1 |
|
|
|
|
|
|
36 |
|
90 |
18 |
|
57 |
6 |
|
23 |
|
|
|
10 |
170 |
17 |
|
|
|
|
|
|
|
6 |
|
|
3 |
|
|
1 |
|
|
|
| ||||||
|
|
|
|
|
|
540 |
|
0 |
342 |
|
3 |
138 |
|
2 |
|
|
| ||||||
(7;9) |
8 |
2 |
|
|
|
8 |
|
11 |
16 |
|
30 |
8 |
|
19 |
|
|
|
|
|
|
4 |
60 |
15 |
|
|
|
|
1 |
|
|
2 |
|
|
1 |
|
|
|
|
|
|
| ||||||
|
|
|
88 |
|
-2 |
240 |
|
0 |
152 |
|
2 |
|
|
|
|
|
| ||||||
(9;11) |
10 |
3 |
|
|
|
60 |
|
66 |
20 |
|
30 |
|
|
|
|
|
|
|
|
|
8 |
96 |
12 |
|
|
|
|
6 |
|
|
2 |
|
|
|
|
|
|
|
|
|
| ||||||
|
|
|
660 |
|
-18 |
300 |
|
0 |
|
|
|
|
|
|
|
|
| ||||||
(11;13) |
12 |
4 |
24 |
|
14 |
12 |
|
11 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
25 |
8,333 |
|
2 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
| ||||||
168 |
|
-16 |
132 |
|
-4 |
|
|
|
|
|
|
|
|
|
|
|
| ||||||
(13;15) |
14 |
5 |
70 |
|
35 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
35 |
7 |
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| ||||||
490 |
|
-50 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| ||||||
7 |
8 |
10 |
8 |
7 |
10 |
50 |
|
| |||||||||||||||
94 |
80 |
72 |
42 |
26 |
26 |
|
| ||||||||||||||||
13,4286 |
10 |
7,2 |
5,25 |
3,7143 |
2,6 |
- |
|
| |||||||||||||||
658 |
880 |
1080 |
798 |
598 |
702 |
4716 |
|
| |||||||||||||||
-66 |
-24 |
0 |
5 |
-2 |
-21 |
-108 |
|
| |||||||||||||||
307,5657 |
81,92 |
1,6 |
19,22 |
66,6514 |
176,4 |
653,3571 |
|
| |||||||||||||||
|
|
|
|
|
|
|
|
|
| ||||||||||||||
7 |
11 |
15 |
19 |
23 |
27 |
|
| ||||||||||||||||
7 |
8 |
10 |
8 |
7 |
10 |
50 |
|
| |||||||||||||||
49 |
88 |
150 |
152 |
161 |
270 |
870 |
|
| |||||||||||||||
343 |
968 |
2250 |
2888 |
3703 |
7290 |
17442 |
|
| |||||||||||||||
2401 |
10648 |
33750 |
54782 |
85169 |
196830 |
383670 |
|
| |||||||||||||||
16807 |
117128 |
506250 |
1042568 |
1958887 |
5314410 |
8956050 |
|
| |||||||||||||||
94 |
80 |
72 |
42 |
26 |
26 |
340 |
|
| |||||||||||||||
658 |
880 |
1080 |
798 |
598 |
702 |
4716 |
|
| |||||||||||||||
4606 |
9680 |
16200 |
15162 |
13754 |
18954 |
78356 |
|
| |||||||||||||||
2,5974 |
2,3026 |
1,9741 |
1,6582 |
1,3122 |
0,9555 |
- |
|
| |||||||||||||||
18,1817 |
18,4207 |
19,7408 |
13,2658 |
9,1853 |
9,5551 |
88,3494 |
|
| |||||||||||||||
127,2718 |
202,6275 |
296,1122 |
252,0507 |
211,2620 |
257,9881 |
1347,3123 |
|
|
у | ||||||||||||
2 |
9 |
26,1111 |
18 |
36 |
72 |
144 |
235 |
470 |
940 |
3,2624 |
29,3612 |
58,7225 |
4 |
11 |
22,6364 |
44 |
186 |
704 |
2816 |
249 |
996 |
3984 |
3,1196 |
34,3151 |
137,2605 |
6 |
10 |
17 |
60 |
360 |
2160 |
12960 |
170 |
1020 |
6120 |
2,8332 |
28,3321 |
169,9928 |
8 |
4 |
15 |
32 |
256 |
2048 |
16384 |
60 |
480 |
3840 |
2,7081 |
10,8322 |
86,6576 |
10 |
8 |
12 |
80 |
800 |
8000 |
80000 |
96 |
960 |
9600 |
2,4849 |
19,8793 |
198,7925 |
12 |
3 |
8,333 |
36 |
432 |
5184 |
62208 |
25 |
300 |
3600 |
2,1203 |
6,3608 |
76,3295 |
14 |
5 |
7 |
70 |
980 |
13720 |
192080 |
35 |
490 |
6860 |
1,9459 |
9,7296 |
136,2137 |
50 |
- |
340 |
3040 |
31888 |
366592 |
870 |
4716 |
34944 |
- |
138,8103 |
863,9692 |
Строим эмпирические линии (рисунок 11; на нем сплошной линией изображена эмпирическая линия регрессии у на х, а пунктирной – эмпирическая линия регрессии х на у) регрессии и делаем первоначальные выводы о форме корреляционной зависимости.
Рис. 11
Так как с ростом значения х значения у почти монотонно убывают, то скорее всего имеет место линейная обратная корреляционная зависимость.
Определим величину коэффициента линейной корреляции. Среднее значение признаков найдем согласно определению, а дисперсии рассчитаем по формуле разностей. Имеем:
;
;
;
;
;
;
;
.
Среднее значение произведения
.
Тогда числитель коэффициента линейной корреляции, рассчитанный первым способом, равен:
.
Найдем величину μ методом моментов. Используя соответствующие определения и расчетную таблицу, получаем:
.
Итак, коэффициент линейной корреляции равен:
,
что говорит о том, что рассматриваемая зависимость является линейной обратной.
Переходим к вычислению корреляционного отношения. Межгрупповая дисперсия равна
,
отсюда
;
.
Итак, корреляционное отношение равно
.
Найденное значение говорит о тесной корреляционной зависимости между рассматриваемыми признаками.
Проверим с вероятностью 0,95 гипотезу о статистической значимости эмпирических данных. Наблюдаемое значение критерия Стьюдента равно.
.
Критическое значение находим по таблице 3 приложения для уровня значимости α = 1- 0,95=0,05 и числа степеней свободы ν = 50 – 2= 48:
.
Имеем:
17,0664>2,02,
следовательно гипотеза о статистической значимости эмпирических данных принимается с указанной вероятностью.
Находим параметры регрессионных моделей (см. таблицу 10). Результаты вычислений представим в таблицах:
Линейная корреляционная зависимость | |||
Система нормальных уравнений |
у на х |
Система | |
Решение системы |
, | ||
Уравнение | |||
х на у |
Система | ||
Решение системы |
, | ||
Уравнение | |||
Упрощенный способ |
у на х |
ρ | |
Уравнение |
, | ||
х на у |
ρ | ||
Уравнение |
, |
Параболическая корреляционная зависимость | ||
у на х |
Система | |
Решение системы |
, , | |
Уравнение | ||
х на у |
Система | |
Решение системы |
, , | |
Уравнение | ||
Показательная корреляционная зависимость | ||
у на х |
Система | |
Решение системы |
, , , | |
Уравнение | ||
х на у |
Система | |
Решение системы |
, , , | |
Уравнение |
По каждой из полученных моделей находим величину средней ошибки аппроксимации и индекса детерминации (расчеты приведены в таблице 11). Имеем: для линейной модели
, или 80,12%;
для параболической модели
, или 79,95%;
для показательной модели
, или 79,06%.
Видим, что одновременно минимум средней ошибки аппроксимации и максимум индекса детерминации соответствует линейной регрессионной модели. Следовательно, она признается наиболее точной.
Графики линейной зависимости приведены на рисунке 12, параболической – на рисунке 13, а показательной – на рисунке 14. На них сплошной чертой изображены линии регрессии у на х, а пунктирной – х на у.
Строим прогноз признаков. Имеем: при стоимости основных производственных фондов 2,5 млн. руб., затраты на капитальный ремонт составят
(%).
Если затраты на капитальный ремонт составляют 0,52% от ОПФ, то стоимость основных производственных фондов должна составлять
(млн. руб.)
Таблица 11
у |
Линейная модель |
Параболическая модель |
Показательная модель | ||||||||||||
2 |
23 |
-4,8 |
23,04 |
3,8833 |
-1,8833 |
3,5469 |
0,9417 |
3,6100 |
-1,6100 |
2,5922 |
0,8050 |
3,6887 |
1,6887 |
2,8515 |
0,8443 |
27 |
-4,8 |
23,04 |
1,8000 |
0,2000 |
0,0400 |
0,1000 |
2,6556 |
-0,6556 |
0,4298 |
0,3278 |
2,6524 |
0,6524 |
0,4256 |
0,3262 | |
4 |
19 |
-2,8 |
7,84 |
5,9667 |
-1,9667 |
3,8678 |
0,4917 |
5,1586 |
-1,1586 |
1,3424 |
0,2897 |
5,1298 |
1,1298 |
1,2764 |
0,2824 |
23 |
-2,8 |
7,84 |
3,8833 |
0,1167 |
0,0136 |
0,0292 |
3,6100 |
0,3900 |
0,1521 |
0,0975 |
3,6887 |
-0,3113 |
0,0969 |
0,0778 | |
27 |
-2,8 |
7,84 |
1,8000 |
2,2000 |
4,8400 |
0,5500 |
2,6556 |
1,3444 |
1,8074 |
0,3361 |
2,6524 |
-1,3476 |
1,8161 |
0,3369 | |
6 |
15 |
-0,8 |
0,64 |
8,0500 |
-2,0500 |
4,2025 |
0,3417 |
7,3014 |
-1,3014 |
1,6935 |
0,2169 |
7,1340 |
1,1340 |
1,2859 |
0,1890 |
19 |
-0,8 |
0,64 |
5,9667 |
0,0333 |
0,0011 |
0,0056 |
5,1586 |
0,8414 |
0,7079 |
0,1402 |
5,1298 |
-0,8702 |
0,7572 |
0,1450 | |
23 |
-0,8 |
0,64 |
3,8833 |
2,1167 |
4,4803 |
0,3528 |
3,6100 |
2,3900 |
5,7120 |
0,3983 |
3,6887 |
-2,3113 |
5,3423 |
0,3852 | |
8 |
11 |
1,2 |
1,44 |
10,1333 |
-2,1333 |
4,5511 |
0,2667 |
10,0383 |
-2,0383 |
4,1545 |
0,2548 |
9,9212 |
1,9212 |
3,6911 |
0,2402 |
15 |
1,2 |
1,44 |
8,0500 |
-0,0500 |
0,0025 |
0,0062 |
7,3014 |
0,6986 |
0,4881 |
0,0873 |
7,1340 |
-0,6660 |
0,7500 |
0,1083 | |
19 |
1,2 |
1,44 |
5,9667 |
2,0333 |
4,1344 |
0,2542 |
5,1586 |
2,8414 |
8,0735 |
0,3552 |
5,1298 |
-2,8702 |
8,2381 |
0,3588 | |
10 |
11 |
3,2 |
10,24 |
10,1333 |
-0,1333 |
0,0178 |
0,0133 |
10,0383 |
-0,0383 |
0,0015 |
0,0038 |
9,9212 |
-0,0788 |
0,0062 |
0,0079 |
15 |
3,2 |
10,24 |
8,0500 |
1,19500 |
3,8025 |
0,1960 |
7,3014 |
2,6986 |
7,2827 |
0,2699 |
7,1340 |
-2,8660 |
8,2140 |
0,2866 | |
12 |
7 |
5,2 |
27,04 |
12,2167 |
-0,2167 |
0,0469 |
0,0181 |
13,3693 |
-1,3693 |
1,8751 |
0,1141 |
13,7974 |
1,7974 |
3,2307 |
0,1498 |
11 |
5,2 |
27,04 |
10,1333 |
1,8667 |
3,4844 |
0,1556 |
10,0383 |
1,9617 |
3,8484 |
0,1635 |
9,9212 |
-2,0788 |
4,3213 |
0,1732 | |
14 |
7 |
7,2 |
51,84 |
12,2167 |
1,7833 |
3,1803 |
0,1274 |
13,3693 |
0,6307 |
0,3977 |
0,0450 |
13,7974 |
0,2026 |
0,0410 |
0,0145 |
- |
- |
202,24 |
- |
- |
40,2122 |
3,8489 |
- |
- |
40,5588 |
3,9051 |
- |
- |
- |
3,9261 |
Рис. 12
Рис. 13
Рис. 14
Задача 10. Имеются следующие показатели по десяти предприятиям некоторой отрасли (на 31.12.2007):
Номер предприятия |
Стоимость промышленно – производственных основных фондов, тыс. руб. |
Валовая продукция в оптовых ценах предприятия, тыс. руб. |
Среднесписочная численность промышленно – производственного персонала, чел. |
Среднесписочная численность рабочих, чел. |
1 |
4999 |
5349 |
420 |
331 |
2 |
6929 |
6882 |
553 |
486 |
3 |
6902 |
7046 |
570 |
498 |
4 |
10097 |
7248 |
883 |
789 |
5 |
8097 |
5256 |
433 |
359 |
6 |
11116 |
14090 |
839 |
724 |
7 |
4880 |
3525 |
933 |
821 |
8 |
7355 |
5431 |
526 |
428 |
9 |
10066 |
7680 |
676 |
607 |
10 |
7884 |
8226 |
684 |
619 |
Приняв стоимость основных промышленно – производственных основных фондов за результативный признак, а остальные показатели – за факторные признаки, необходимо:
а) исключив один из факторных признаков, перейти к двухфакторной регрессии;
б) вычислить множественный коэффициент корреляции и сделать выводы о форме и силе корреляционной зависимости;
в) с помощью F – критерия Фишера с вероятностью 0,95 оценить статистическую значимость эмпирических данных;
г) вычислить значение общего индекса детерминации;
д) двумя способами получить уравнение линейной модели множественной регрессии;
е) по величине средней ошибки аппроксимации оценить точность линейной модели;
ж) подсчитать дельта – коэффициенты;
з) найти значения коэффициентов эластичности;
и) исключить из модели один из факторных признаков и перейти к модели с парной регрессией.
1. Эмпирические данные выборки объема n принято записывать в виде таблицы, в которой Y – результативный признак со значениями , а,,…,- факторные признаки со значениями,i=1,2,…, n , j=1,2,…k:
|
Y |
… | |||
1 |
… | ||||
2 |
… | ||||
n |
… |