55.Проверка адекватности регрессионной модели

При анализе адекватности уравнения регрессии (модели) исследуемому процессу, возможны следующие варианты:

1. Построенная модель на основе F-критерия Фишера в целом адекватна и всекоэффициенты регрессии значимы. Такая модель может быть использована для принятия решений и осуществления прогнозов.

2. Модель по F-критерию Фишера адекватна, но часть коэффициентов  не значима. Модель пригодна для принятия некоторых решений, но не для прогнозов.

3. Модель по F-критерию адекватна, но все коэффициенты регрессии не значимы. Модель полностью считается неадекватной. На ее основе не принимаются решения и не осуществляются прогнозы.

51. Виды связей между факторным и результативными признаками  Результативные признаки – признаки, изменяющиеся под действием других связанных с ними признаков.2. Факторные – признаки, обуславливающие изменения результативных признаков. 1. По направлению связи: Положительная (прямая) – с увеличением (уменьш) одного признака в основном увелич. (уменьш) значения другого. Отрицательная (обратная) – с увеличением (уменьш) одного признака в основном уменьшаются (увеличив) значения другого.2. Относительно своей аналитической формы:Линейная – между признаками в среднем проявляются линейные соотношения.Нелинейная – выражается нелинейной функцией, а переменные связаны между собой в среднем нелинейно.3. С точки зрения взаимодействующих факторов.Парная – характеризуется связь 2 признаков.Множественная – изучаются более чем 2 переменные.Также подразделяется на сильную и слабую.

49)

52)Понятие корреляционной зависимости и этапы ее мсследования.

Вопрос 53.Показатели тесноты связи между признаками. измерения тесноты связи между группировочными признаками в таблицах взаимной сопряженности могут быть использованы такие показатели, как коэффициент ассоциации, коэффициент контингенции, коэффициенты взаимной сопряженности Пирсона и Чупрова. Показатели тесноты связи между признаками.

Альтернативные	наименований	A, k	C	Z
Качественные	наименований	C	C	w
Количественные	порядковые	w	R	R
	интервальные и относительные	w	w	, R

Вопрос 54.Построение линеной модели регрессии.. Регрессия представляет собой регрессию между двумя переменными – y и X, т. Е. Модель вида:

y(x) = f^{^}(x),где y – зависимая переменная (результативный признак); x – независимая, или объясняющая, переменная (признак-фактор). Знак «^» означает, что между переменнымиx и y нет строгой функциональной зависимости, поэтому практически в каждом отдельном случае величина y складывается из двух слагаемых:

y = y_x + ε,где y – фактическое значение результативного признака; y_x – теоретическое значение результативного признака, найденное исходя из уравнения регрессии; ε – случайная величина, характеризующая отклонения реального значения результативного признака от теоретического, найденного по уравнению регрессии.