Оценка значимости коэффициентов регрессии.
Для проверки нулевой гипотезы используем критерий Стьюдента.
Коэффициенты значимые коэффициенты.
Проверка адекватности модели по критерию Фишера.
гипотеза о равенстве математического ожидания отвергается.
Проверка адекватности модели по коэффициенту детерминации или множественной корреляции.
Коэффициент детерминации :
- регрессионная модель адекватна.
Коэффициент множественной корреляции
Рассчитать и построить график уравнения прямолинейной регрессии для относительных значений PWC170 и времени челночного бега 3х10 м у 13 исследуемых и сделать вывод о точности расчета уравнений, если данные выборок таковы: xi, кГ м/мин/кг ~ 15,6; 13,4; 17,9; 12,8; 10,7; 15,7; 11,7; 12,3; 12,3; 11,1; 14,3; 12,7; 14,4 yi, с ~ 6,9; 7,2; 7,1; 6,7; 7,6; 7,0; 6,4; 6,9; 7,7; 7,6; 7,9; 8,2; 6,8
Решение
1. Занести данные тестирования в рабочую таблицу и сделать соответствующие расчеты.
xi |
xi - |
(xi - )2 |
yi |
yi – |
(yi – )2 |
(xi - )(yi – ) |
15.6 |
2.1 |
4.41 |
6.9 |
-0.3 |
0.09 |
-0.63 |
13.4 |
-0.1 |
0.01 |
7.2 |
0 |
0 |
0 |
17.9 |
4.4 |
19.36 |
7.1 |
-0.1 |
0.01 |
-0.44 |
12.8 |
-0.7 |
0.49 |
6.7 |
-0.5 |
0.25 |
0.35 |
10.7 |
-2.8 |
7.84 |
7.6 |
0.4 |
0.16 |
-1.12 |
15.7 |
2.2 |
4.84 |
7.0 |
-0.2 |
0.04 |
-0.44 |
11.7 |
-1.8 |
3.24 |
6.4 |
-0.8 |
0.64 |
1.44 |
12.3 |
-1.2 |
1.44 |
6.9 |
-0.3 |
0.09 |
0.36 |
12.3 |
-1.2 |
1.44 |
7.7 |
0.5 |
0.25 |
-0.60 |
11.1 |
-2.4 |
5.76 |
7.6 |
0.4 |
0.16 |
-0.96 |
14.3 |
0.8 |
0.64 |
7.9 |
0.7 |
0.49 |
0.56 |
12.7 |
-0.8 |
0.64 |
8.2 |
1 |
1 |
-0.80 |
14.4 |
0.9 |
0.81 |
6.8 |
-0.4 |
0.16 |
-0.36 |
= 13.5 |
=50,92 |
= 7,2 |
=3,34 |
= -2,64 |
1. Рассчитать значение нормированного коэффициента корреляции по формуле:
2. Рассчитать конечный вид уравнений прямолинейной регрессии по формулам (2) и (3):
(2) (3)
Т.е.
4. Рассчитать абсолютные погрешности уравнений регрессии по формулам (4) и (5):
5. Рассчитать относительные погрешности уравнений регрессии по формулам (6) и (7):
6. Для графического представления корреляционной зависимости между признаками рассчитать координаты линий регрессии, подставив в конечный вид уравнений (1) и (2) данные любого исследуемого (например, четвертого из списка). Тогда:
при х = 12,8 кГм/мин/кг у =7,235 с » 7,2 с;
при у = 6,7 с х = 13,895 с » 13,9 кГм/мин/кг.
7. Представить графически данное уравнение регрессии.
8. На основании произведенных расчетов и графического изображения уравнения регрессии сделать вывод. Вывод: 1) в исследуемой группе наблюдается недостоверная обратная взаимосвязь между данными относительных значений PWC170 и времени челночного бега 3х10 м, т.к. rху = -0,20 < rst = 0,55 для К= 11 при = 95%; 2) относительная погрешность функции ух = 7,875 – 0,05х меньше (7,22%), а, следовательно, прогноз результата в челночном беге по данным относительных значений пробы PWC170 более точен; 3) на графике линии уравнения регрессии расположены почти под прямым углом, так как значения коэффициента корреляции близки к нулю.
Список использованной литературы:
Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. – М.: Статистика, 1974. – 240с.
Андерсон Т. Введение в многомерный статистический анализ / Пер. с англ. – М.: ГИФМЛ, 1963. – 500с.
Болч Б., Хуань К. Многомерные статистические методы экономики / Пер. с англ. – М.: Статистика, 1979. – 317с.
Дубров А.М. Последовательный анализ в статистической обработке информации. – М.: Статистика, 1976 – 160с.
Кендалл М.., Стюарт А. Статистические выводы и связи. – М.: Наука, 1973.
Маленво Э. Статистические методы эконометрии / Пер. с фр.: Вып. 1. – М.: Статистика, 1975. – 423с.
Рао С.Р. Линейные статистические методы и их применение / Пер. с англ. – М.: Наука, 1968. – 548с.
2