- •Применение программы ms excel для регрессионного анализа производственных процессов
- •Оглавление введение. Сущность регрессионного анализа и цели работы .......4
- •1. Подготовка к проведению работы. …….................................6
- •2. Однофакторный регрессионный анализ…………………………8
- •3. Многофакторный регрессионный анализ……………………
- •Введение. Сущность регрессионного анализа и цели работы
- •1. Подготовка к проведению работы
- •2. Однофакторный регрессионный анализ
- •2.1. Инструмент анализа «Регрессия»
- •2.1.1. Основные опции инструмента «Регрессия»
- •2.1.2. Опции инструмента «Регрессия», связанные с оценкой дисперсии относительно рассматриваемой математической модели
- •2.2. Статистические функции ms Excel, основанные на линейной регрессии
- •2.3. Статистические функции ms Еxcel, основанные на экспоненциальной регрессии
- •2.4. Графические опции, предназначенные для анализа регрессионной модели
- •2.4.1. Построение регрессионной зависимости и освоение способов её аппроксимации
- •2.4.2. Выбор вида аппроксимирующей функции
- •2.4.3. Анализ влияния вида аппроксимирующей функции (степени полинома) на точность аппроксимации
- •2.5. Определение коэффициентов уравнения регрессии с помощью надстройки Excel «Поиск решения»
- •3. Многофакторный регрессионный анализ
- •3.1. Анализ и оценка достоверности модели в рамках инструмента «Регрессия»
- •3.2. Оценка значимости коэффициентов регрессии и совершенствование математической модели
- •3.3. Статистические функции ms Еxcel, предназначенные для многофакторного регрессионного анализа
- •Библиографический список
- •Применение программы ms excel для регрессионного анализа производственных процессов
3. Многофакторный регрессионный анализ
3.1. Анализ и оценка достоверности модели в рамках инструмента «Регрессия»
3.1.1. Открыть файл MS Excel «многофакторный регрессионный анализ» с таблицей исходных данных для 140 оставшихся при выполнении Вами п. 1.5.4. экспериментальных точек.
3.1.2. Открыть инструмент анализа данных «Регрессия» (рис. 2), позволяющий применительно к многофакторному анализу получить коэффициенты b0 и bi уравнения линейной регрессии, описывающего зависимость контролируемой величины отклика Y от выбранных факторов Xi:
Y = b0+ Σ bi X i, (3)
3.1.3. Ввести во «Входной интервал x» столбцы значений Xi, а во «Входной интервал y» - столбец соответствующих значений отклика y (см. 2.1.1.3) и нажать ОК, получив 3 таблицы, сходные с представленными в сводной табл. 2.
Таблица 2. Результаты линейного регрессионного анализа влияния пяти факторов на характеристику качества
Регрессионная статистика |
|
|
|
| |||
Множественный R |
0,63 |
|
|
|
| ||
R-квадрат |
0,4 |
|
|
|
| ||
Нормированный R-квадрат |
0,38 |
|
|
|
| ||
Стандартная ошибка |
1,02 |
|
|
|
| ||
Наблюдения |
142 |
|
|
|
| ||
Дисперсионный анализ |
| ||||||
|
df |
SS |
MS |
F |
Значимость F |
| |
Регрессия |
5 |
93,8 |
18,8 |
18,03048 |
1,08E-13 |
| |
Остаток |
136 |
141,5 |
1,04 |
|
|
| |
Итого |
141 |
235,3 |
|
|
|
| |
|
Коэффициенты |
Стандартная ошибка |
t- статистика |
P-Значение |
Нижние 95% |
Верхние 95% | |
Y-пересечение |
4,27 |
3,51 |
1,22 |
0,23 |
-2,7 |
11,2 | |
H |
0,436 |
2,37 |
0,18 |
0,85 |
-4,25 |
5,12 | |
K |
-0,029 |
0,26 |
-0,11 |
0,91 |
-0,55 |
0,49 | |
Μ |
-0,012 |
0,006 |
-1,89 |
0,06 |
-0,0242 |
0,0005 | |
Pb |
-0,064 |
0,029 |
-2,24 |
0,03 |
-0,121 |
-0,008 | |
Si |
0,0057 |
0,0007 |
7,63 |
3,6E-12 |
0,004 |
0,007 |
3.1.4. Оценить достоверность полученной модели по величине коэффициента детерминации «R-квадрат» в «Регрессионной статистике» и по результатам многофакторного дисперсионного анализа, основываясь на следующих принципах:
- сравнении составляющих дисперсии, приходящихся на одну степень свободы (MS), по варьируемым факторам вместе («Регрессия») и по всем остальным случайным и не учитываемым факторам («Остаток»). Чем больше первая составляющая превышает вторую (то есть чем больше расчётный критерий Фишера F), тем выше достоверность полученной модели;
- сравнении расчётного F- значения уровня значимости «Значимость F» с принятым в данной отрасли уровнем значимости α (0,05). (Если «Значимость F» < α, это говорит о достаточно высокой достоверности (более 95%) получаемой регрессионной модели.)
3.1.5. Сделать заключение о наличии или об отсутствии необходимости совершенствования полученной модели.