- •Вариант 41
- •1. Парная линейная регрессия
- •2. Парная нелинейная регрессия
- •Результаты решения “Парная нелинейная квадратичная регрессия”
- •Сводная таблица показателей регрессии
- •3. Множественная регрессия
- •Результаты решения “Множественная регрессия”
- •2. Парная нелинейная регрессия.
- •3. Множественная регрессия
Результаты решения “Множественная регрессия”
|
A |
B |
C |
D |
E |
F |
G |
H |
I |
J |
K |
L |
M |
N |
O |
P |
Q |
R |
S |
T |
U |
1 |
№ |
y |
x1 |
x2 |
x3 |
y* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
1 |
22500 |
29 |
6 |
17 |
20156,69 |
|
22500 |
|
1 |
29 |
6 |
17 |
|
|
20 |
713 |
279 |
382 |
|
|
3 |
2 |
30000 |
40 |
19 |
25 |
29219,60 |
|
30000 |
|
1 |
40 |
19 |
25 |
|
XTX= |
713 |
26691 |
11115 |
13954 |
|
|
4 |
3 |
22500 |
36 |
10 |
15 |
21610,35 |
|
22500 |
|
1 |
36 |
10 |
15 |
|
|
279 |
11115 |
5119 |
5702 |
|
|
5 |
4 |
24000 |
32 |
10 |
17 |
21330,60 |
|
24000 |
|
1 |
32 |
10 |
17 |
|
|
382 |
13954 |
5702 |
7530 |
|
|
6 |
5 |
15000 |
23 |
3 |
15 |
16695,61 |
|
15000 |
|
1 |
23 |
3 |
15 |
|
|
|
|
|
|
|
|
7 |
6 |
26250 |
45 |
20 |
18 |
26893,63 |
|
26250 |
|
1 |
45 |
20 |
18 |
|
|
5,9775 |
-0,1587 |
0,1852 |
-0,1494 |
|
|
8 |
7 |
26250 |
38 |
17 |
17 |
23661,76 |
|
26250 |
|
1 |
38 |
17 |
17 |
|
(XTX)-1 = |
-0,1587 |
0,0064 |
-0,0064 |
0,0010 |
|
|
9 |
8 |
30000 |
40 |
23 |
25 |
29286,26 |
|
30000 |
|
1 |
40 |
23 |
25 |
|
|
0,1852 |
-0,0064 |
0,0080 |
-0,0036 |
|
|
10 |
9 |
28500 |
50 |
31 |
19 |
29520,66 |
|
28500 |
|
1 |
50 |
31 |
19 |
|
|
-0,1494 |
0,0010 |
-0,0036 |
0,0085 |
|
|
11 |
10 |
30000 |
47 |
25 |
23 |
30706,59 |
Y= |
30000 |
X= |
1 |
47 |
25 |
23 |
|
|
|
|
|
|
|
|
12 |
11 |
18750 |
28 |
7 |
15 |
18607,69 |
|
18750 |
|
1 |
28 |
7 |
15 |
|
|
480000 |
|
-817,69 |
b0 |
|
|
13 |
12 |
26250 |
30 |
7 |
18 |
21140,73 |
|
26250 |
|
1 |
30 |
7 |
18 |
|
XTY= |
17802000 |
B= |
369,08 |
b1 |
|
|
14 |
13 |
15000 |
25 |
6 |
16 |
18082,06 |
|
15000 |
|
1 |
25 |
6 |
16 |
|
|
7371000 |
|
16,67 |
b2 |
|
|
15 |
14 |
30000 |
48 |
20 |
23 |
30992,35 |
|
30000 |
|
1 |
48 |
20 |
23 |
|
|
9438000 |
|
598,29 |
b3 |
|
|
16 |
15 |
16500 |
30 |
5 |
18 |
21107,40 |
|
16500 |
|
1 |
30 |
5 |
18 |
|
|
|
|
|
|
|
|
17 |
16 |
24000 |
40 |
15 |
18 |
24964,89 |
|
24000 |
|
1 |
40 |
15 |
18 |
|
|
|
|
|
|
|
|
18 |
17 |
29250 |
40 |
20 |
25 |
29236,27 |
|
29250 |
|
1 |
40 |
20 |
25 |
|
|
|
|
|
|
|
|
19 |
18 |
27000 |
38 |
20 |
23 |
27301,51 |
|
27000 |
|
1 |
38 |
20 |
23 |
|
|
|
|
|
|
|
|
20 |
19 |
19500 |
29 |
10 |
18 |
20821,65 |
|
19500 |
|
1 |
29 |
10 |
18 |
|
|
|
|
|
|
|
|
21 |
20 |
18750 |
25 |
5 |
17 |
18663,69 |
|
18750 |
|
1 |
25 |
5 |
17 |
|
|
|
|
|
|
|
|
22 |
n |
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
23 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
24 |
|
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
25 |
XT |
29 |
40 |
36 |
32 |
23 |
45 |
38 |
40 |
50 |
47 |
28 |
30 |
25 |
48 |
30 |
40 |
40 |
38 |
29 |
25 |
26 |
|
6 |
19 |
10 |
10 |
3 |
20 |
17 |
23 |
31 |
25 |
7 |
7 |
6 |
20 |
5 |
15 |
20 |
20 |
10 |
5 |
27 |
|
17 |
25 |
15 |
17 |
15 |
18 |
17 |
25 |
19 |
23 |
15 |
18 |
16 |
23 |
18 |
18 |
25 |
23 |
18 |
17 |
Рис. 1
Анализ рисунка 1 показывает, что в целом оценочные значения y близки к наблюдаемым.
3. Проверим вывод расчетов множественного коэффициента детерминации:
Таблица 3
|
A |
B |
C |
D |
E |
F |
G |
H |
I |
1 |
№ |
y |
x1 |
x2 |
x3 |
y* |
(y-y*)^2 |
(y-yср)^2 |
A |
2 |
1 |
22500 |
29 |
6 |
17 |
20156,69 |
5491100,90 |
2250000,00 |
10,41% |
3 |
2 |
30000 |
40 |
19 |
25 |
29219,60 |
609024,46 |
36000000,00 |
2,60% |
4 |
3 |
22500 |
36 |
10 |
15 |
21610,35 |
791476,61 |
2250000,00 |
3,95% |
5 |
4 |
24000 |
32 |
10 |
17 |
21330,60 |
7125683,18 |
0,00 |
11,12% |
6 |
5 |
15000 |
23 |
3 |
15 |
16695,61 |
2875088,66 |
81000000,00 |
11,30% |
7 |
6 |
26250 |
45 |
20 |
18 |
26893,63 |
414264,22 |
5062500,00 |
2,45% |
8 |
7 |
26250 |
38 |
17 |
17 |
23661,76 |
6698979,04 |
5062500,00 |
9,86% |
9 |
8 |
30000 |
40 |
23 |
25 |
29286,26 |
509421,42 |
36000000,00 |
2,38% |
10 |
9 |
28500 |
50 |
31 |
19 |
29520,66 |
1041755,87 |
20250000,00 |
3,58% |
11 |
10 |
30000 |
47 |
25 |
23 |
30706,59 |
499271,11 |
36000000,00 |
2,36% |
12 |
11 |
18750 |
28 |
7 |
15 |
18607,69 |
20252,87 |
27562500,00 |
0,76% |
13 |
12 |
26250 |
30 |
7 |
18 |
21140,73 |
26104623,11 |
5062500,00 |
19,46% |
14 |
13 |
15000 |
25 |
6 |
16 |
18082,06 |
9499122,34 |
81000000,00 |
20,55% |
15 |
14 |
30000 |
48 |
20 |
23 |
30992,35 |
984751,07 |
36000000,00 |
3,31% |
16 |
15 |
16500 |
30 |
5 |
18 |
21107,40 |
21228138,18 |
56250000,00 |
27,92% |
17 |
16 |
24000 |
40 |
15 |
18 |
24964,89 |
931011,16 |
0,00 |
4,02% |
18 |
17 |
29250 |
40 |
20 |
25 |
29236,27 |
188,64 |
27562500,00 |
0,05% |
19 |
18 |
27000 |
38 |
20 |
23 |
27301,51 |
90910,57 |
9000000,00 |
1,12% |
20 |
19 |
19500 |
29 |
10 |
18 |
20821,65 |
1746746,34 |
20250000,00 |
6,78% |
21 |
20 |
18750 |
25 |
5 |
17 |
18663,69 |
7449,15 |
27562500,00 |
0,46% |
22 |
Среднее |
24000 |
|
|
|
|
|
|
7,22% |
23 |
Сумма |
|
|
|
|
|
86669258,9 |
514125000 |
|
24 |
Aср= |
7,22% |
|
|
|
|
|
|
|
25 |
R^2= |
0,831 |
|
|
|
|
|
|
|
R2=0,831 свидетельствует о том, что в целом качество регрессии удовлетворительно. Это подтверждается и величиной =7,22% < 8%.
4. Пользуясь построенной моделью, можно спрогнозировать зарплату для поступающего на предприятия 33-летнего рабочего, имеющего стаж работы по специальности 10,5 лет, если за смену он может в среднем изготовить 18 деталей.
Итак, x1=33, x2=10,5, x3=18. Подставим данные значения в полученное уравнение:
y=-817,69+396,08*33+16,67*10,5+598,29*18=22306,31 руб.
Таким образом, поступающий на предприятие рабочий при заданных параметрах в среднем будит получать 22306,31 рублей.
Заключение
На основании выполненной работы следует сделать следующие выводы:
1. Парная линейная регрессия. Здесь коэффициент корреляции r=-0,909 близок по модулю к 1, что говорит о наличии очень тесной линейной связи между X и Y. Знак “минус” означает, что имеет место обратная линейная корреляция, т.е. с ростом X уменьшается Y, что соответствует экономическому смыслу: с ростом цены на товар спрос на него обычно падает.
b=-1,059 и a=79,694.
Отрицательный знак b соответствует убывающей регрессии, а его модуль характеризует угол наклона прямой линии.
Уравнение парной линейной регрессии имеет вид: y=79,694-1,059x+ε
Полученное значение коэффициента детерминации Rxy2=0,827 близко к единице, что говорит о хорошем качестве построенной модели. Модель значима на уровне α=0,05., т.к. F>Fтабл., средняя относительная ошибка аппроксимации 5,13%, следовательно, данная модель достаточно точна.
Полученное значение =-0,372 означает, что спрос на данный товар неэластичен. При увеличении X на 1% от своего среднего значения Y уменьшится на 0,372% от своего среднего значения. Сила влияния X (цены товара) на Y (спрос на него) не слишком велика. С ростом цены на данный товар спрос на него падает не слишком значительно.
=79,694-1,059*23=55,348. Т.е. для магазина, установившего цену 23 руб., спрос на него будит составлять в среднем 55,348 кг.
44,068 66,628, т.е. у данного продавца, продавшего товар по цене 23 руб., спрос не опустится ниже 44,068 кг и не превысит 66,628 кг (с 95%-ной надежностью).