Академический Документы
Профессиональный Документы
Культура Документы
Лабораторная работа
ПАРНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ:
ПОСТРОЕНИЕ МОДЕЛИ В ВИДЕ ПАРНОЙ РЕГРЕССИИ И ПРОВЕРКА ЕЕ
КАЧЕСТВА
ЭАПП –15.04.04- 01.01.21 ЛР
Исполнитель:
студент гр. МАГ01-19-21 Е. В. Сиротина
Руководитель:
доцент, канд. тех. наук Т. М. Левина
Салават 2020
ПАРНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ:
Решение
С
р.
0,464 20,629 0,29808 426,286 9,41738 20,62910 0,0258099 0,44687 0,73494
зн
ач
1 1 n ∑ ( ln x⋅ln y )−∑ ln x ∑ ln y
ln a0 = ∑ ln y− a1 ∑ ln x a1 = 2
n n , n ∑ ( ln x )2 −( ∑ ln y )
ŷ yi
2
i
R 1 i 1
n
0,626
y y
2
i
i 1 ,
R2 = 0,6262= 0,392,
n
ŷ yi
2
i
20,08
кв i1
0,668
n 45 ,
1 n y yˆ 1
A
n i1 y
100% 1,1615 100% 2,581%
45
Для степенной модели модели (табл. 4)
n
ŷ yi
2
i
R 1 i 1
n
0,637
y y
2
i
i 1 ,
R2 = 0,6372= 0,4069,
n
ŷ yi
2
i
19,602
кв i 1
0,660
n 45 ,
1 n y yˆ 1
A
n i1 y
100% 1,14 100% 2,536%
45
4) Проверка значимости уравнений регрессии.
Для линейной модели
R2 n m 1 0.392 45 1 1
Fфиш 27,723
1 R 2
m 1 0.392 1
Fкрит,0,05 = FРАСПОБР(0,05;1;43)=4,067.
Fкрит,0,01 = FРАСПОБР(0,01;1;43)=7,264.
При α = 0,05 и α = 0,01 линейное уравнение значимо.
Для степенной модели
R2 n m 1 0.407 45 1 1
Fфиш 29,5
1 R 2
m 1 0.407 1
Fкрит,0,05 = FРАСПОБР(0,05;1;43)=4,067.
Fкрит,0,01 = FРАСПОБР(0,01;1;43)=7,264.
При α = 0,05 и α = 0,01 линейное уравнение значимо.
5) Определение лучшего уравнения регрессии (по средней ошибке
аппроксимации).
Так как A лин 2,581% A степ 2,536% , то степенная модель дает меньшую
погрешность.
6) Проверка значимости коэффициентов линейной регрессии.
2
Определим оценку остаточной дисперсии s ост
n
ŷ yi
2
i
19,603
s2ост i 1
0, 456
n 2 43
ŷ yi / n 2
2
i
s2ост 0,456
sb i 1
n
0,05
x n 0, 2877 * 45
x x
2
i
i 1
n n n
ŷ i yi
2
x 2
i x
i 1
2
i
13,41
sa i 1 i 1
s2ост 0,456 0,19
n 2 n
xn 45*0, 2877
x x
2
i
i 1
Вычислим
a 21,494 b 1,865
ta 429,88 tb 9,816
sa 0,05 , sb 0,19 .
Значение t1-α,n-2 определим по таблице 6
Таблица 6 – Значения критических уровней tα,k в зависимости от k степеней свободы
и заданного уровня значимости α для распределения Стьюдента
α
0.1 0.05 0.025 0.02 0.01 0.005 0.001
k
1 6.31 12.71 25.45 31.S2 63.66 127.32 636.62
2 2.92 4.30 6.21 6.96 9.92 14.09 31.60
3 2.35 3.18 4.18 4.54 5.84 7.45 12.92
4 2.13 2.78 3.50 3.75 4.60 5.60 8.61
5 2.02 2.57 3.16 336 4.03 4.77 6.87
6 1.94 2.45 2.97 3.14 3.71 4.32 5.96
7 1.89 2.36 2.S4 3.00 3.50 4.03 5.41
8 1.86 2.31 2.75 2.90 336 3.83 5.04
9 1.83 2.26 2.69 2.82 335 3.69 4.78
20 1.81 2.23 2.63 2.76 3.17 3.58 4.59
21 1.80 2.20 2.59 2.72 3.11 3.50 4.44
12 1.78 2.18 2.56 2.6S 3.05 3.43 4.32
13 1.77 2.16 2.53 2.65 3.01 3.37 4.22
24 1.76 2.14 2.51 2.62 2.9S 3.33 4.14
15 1.75 2.13 2.49 2.60 2.95 3.29 4.07
26 1.75 2.12 2.47 2.5S 2.92 3.25 4.01
17 1.74 2.11 2.46 2.57 2.90 3.22 3.97
28 1.73 2.10 2.45 2.55 2.SS 3.20 3.92
19 1.73 2.09 2.43 2.54 2.86 3.17 3.88
20 1.72 2.09 2.42 2.53 2.85 3.15 3.85
21 1.72 2.08 2.41 2.52 2.83 3.14 3.82
22 1.72 2.07 2.41 2.51 2.82 3.12 3.79
23 1.71 2.07 2.40 2.50 2.81 3.10 3.77
24 1.71 2.06 2.39 2.49 2.80 3.09 3.75
25 1.71 2.06 2.38 2.49 2.79 3.08 3.73
26 1.71 2.06 2.38 2.4S 2.7S 3.07 3.71
27 1.70 2.05 2.37 2.47 2.77 3.06 3.69
28 1.70 2.05 2.37 2.47 2.76 3.05 3.67
29 1.70 2.05 2.36 2.46 2.76 3.04 3.66
30 1.70 2.04 236 2.46 2.75 3.03 3.65
35 1.69 2.03 234 2.44 2.72 3.00 3.59
40 1.6S 2.02 233 2.42 2.70 2.97 3.55
45 2.68 2.01 232 2.41 2.69 2.95 3.52
50 1.6S 2.01 231 2.40 2.6S 2.94 3.50
60 1.67 2.00 230 2.39 2.66 2.91 3.46
70 1.67 1.99 239 2.3S 2.65 2.90 3.44
80 1.66 1.99 238 2.37 2.64 2.89 3.42
200 1.66 1.98 238 236 2.63 2.87 3.39
∞ 1.64 1.96 234 2.33 2.5S 2.81 3.29
1 x x 1 0,99 0, 464
2 2
i 1
Интервальный прогноз
( ( y p - t1-α,n-2 * s y p ; y p+ t1-α,n-2 * s y p p ) =
= (19,645 – 2,016·0,689; 19,645 + 2,016·0,689) = (19,256; 21,034)
8) Определение среднего коэффициента эластичности по уравнению линейной
регрессии
x 0, 464
Yb ( 1,865) 0,042.
y 20,629
22.50
22.00
21.50
21.00
20.50
20.00
19.50
19.00
18.50
18.00
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1