Вы находитесь на странице: 1из 15

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R 0.973965837587751
R-квадрат 0.94860945278801
Нормированный R-квадрат 0.946375081170097
Стандартная ошибка 4.35283174587466
Наблюдения 25

Дисперсионный анализ
df
Регрессия 1
Остаток 23
Итого 24

Коэффициенты
Y-пересечение 63.9895008686658
Переменная X 1 1.129537909406
SS MS F
8044.06928321843 8044.06928321843 424.553124996374
435.784316781567 18.9471442078942
8479.8536

Стандартная ошибка t-статистика P-Значение


3.23019954529067 19.8097671587988 5.9551750862005E-16
0.054819464679594 20.6046869667164 2.5236788603961E-16
Значимость F
2.5236788604E-16

Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%


57.3073239961281 70.6716777412034 57.3073239961281 70.6716777412034
1.01613520659746 1.24294061221454 1.01613520659746 1.24294061221454
Орпик Влад, 22 Вариант

В таблице приведены ежемесячные данные по металлургическому комбинату за период с 2004 по 2006г, включающ
У - Среднемесячные расходы на питание (долл.)
Х - Среднемесячные расходы на одежду (долл.)

t Y X x^2 y^2 xy
1 99.70 3.50 12.25 9940.09 348.95
2 100.90 3.90 15.21 10180.81 393.51
3 102.50 4.30 18.49 10506.25 440.75
4 103.50 4.70 22.09 10712.25 486.45
5 104.60 4.90 24.01 10941.16 512.54
6 108.80 5.10 26.01 11837.44 554.88
7 113.70 5.30 28.09 12927.69 602.61
8 116.60 5.50 30.25 13595.56 641.3
9 118.60 5.80 33.64 14065.96 687.88
10 123.40 6.40 40.96 15227.56 789.76
11 125.90 7.00 49 15850.81 881.3
12 129.40 7.70 59.29 16744.36 996.38
13 128.10 8.00 64 16409.61 1024.8
14 132.30 8.70 75.69 17503.29 1151.01
15 139.70 9.30 86.49 19516.09 1299.21
16 145.20 9.80 96.04 21083.04 1422.96
17 146.10 9.70 94.09 21345.21 1417.17
18 149.30 10.00 100 22290.49 1493
19 153.20 10.20 104.04 23470.24 1562.64
20 153.00 10.40 108.16 23409 1591.2
21 7.99 10.80 116.64 63.8401 86.292
22 5.45 10.70 114.49 29.7025 58.315
23 3.70 10.60 112.36 13.69 39.22
24 154.6 10.3 106.09 23901.16 1592.38
25 161.2 10.2 104.04 25985.44 1644.24
Сумма 2827.44 192.8 1641.42 367550.7426 21718.747
Среднее 113.0976 7.712 65.6568 14702.029704 868.74988

1. Построить поле корреляции


180.00

160.00

140.00

120.00

100.00

80.00

60.00

40.00

20.00

0.00
3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00
40.00

20.00

0.00
3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00

3. Сделать предположение о форме связи используемых величин


Облако точек на поле корреляции не концентрируется вдоль прямой линии, что не позволяет сделать пр
Полученное значение коэффициента корреляции подтверждает наличие прямой зависимости между исс

4. Рассчитать параметры уравнения парной линейной регрессии. Записать уравнение в явном виде. Нанести полу

Эмпирическое уравнение парной линейной регресссии имеет вид


МНК-оценки параметров определяются по формулам:

= -0.559510154

= 117.4125423

180.00

160.00

140.00

120.00
f(x) = − 0.559510153584937 x + 117.412542304447
100.00

80.00

60.00

40.00

20.00

0.00
3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00

5. Рассчитать сумму квадратов остатков

ESS= 47725.6834564

6. Оцените качество уравнения с помощью коэффициента детерминации и средней ошибки аппроксимации.

= 0.0010127043

Таким образом можно сделать вывод, что в 0,1% случаев изменения x приводят к изменению y.

Средняя ошибка апроксимации


Для того, чтобы качество модели можно было считать хорошим, ошибка апроксимации не должна превы
В данном примере качество модели по ошибке апроксимации плохое.

7. Оцените значимость коэффициентов регрессий с помощью t-критерия Стьюдента

Рассчиаем стандартную ошибку регрессии

Стандартные ошибки коэффициентов регрессии

t-статистика для коэффициентов уравнения регрессии

4.585828913038 -0.177072527

t_(α;n-2)=t_(0.05;23)= 2.06865761041905

B0
B1

8. Постройте доверительные интервалы для коэффициентов регрессии при уровне значимости 0,05

9. Оцените с помощью F-критерия Фишера статистическую надежность результатов регрессионного моделирова

𝐹=𝑅^2/(1−𝑅^2 ) (𝑛−2)=
0.015205963374285

Fкр. = F(0.05;1;23) = 4.27934430914465

Поскольку фактическое значение F < Fкр, то коэффициент детерминации статистически не значим и уравнение регр

10. Рассчитайте точечный прогноз среднего значения результата, если прогнозное значение фактора составляет 1
8.8688

112.450358654333

11. Используя результат п.10 определите доверительные интервалы для прогноза среднего значения и индивиду

Таким образом, среднее значение среднемесячных расходов на питание, при расходах на одежду, равны

Среднее значение среднемесячных расходов на питание, при расходах на одежду, равных 8,9 долл., с ве

Индивидуальное значение среднемесячных расходов на питание, при расходах на одежду, равных 8,9 до
Данный интервал шире, чем интервал для среднего значения среднемесячных расходов на питание

12. Проанализировать полученные результаты. Сделать экономические выводы

Полученное значение коэффициента корреляции не подтверждает наличие прямой зависимости между


Уравнение регрессии объясняет 94,8% дисперсии у, качество регрессионной модели по ошибке апроксим

Коэффициент детерминации статистически значим, и в целом уравнение статистически значимо.


Модель не удовлетврорительного качества, корректировка или разработка другой модели требуется.

13. Результаты проверьте с помощью Пакета анализа в Excel (подключение: Сервис, Надстройки, Пакет анализа);

Результаты, полученные с помощью Пакета анализа совпадают с рассчитанными.


2004 по 2006г, включающие следующие показатели:

___ ____
e(i) e(i)^2 y(i)-y(i) (y(i)-y(i))^2 |e(i)/y(i)| (x(i)-x ̅(i) )^2
-15.754257 248.19660628 -13.3976 179.495686 0.158016618 17.740944
-14.330453 205.36187474 -12.1976 148.781446 0.14202629 14.531344
-12.506649 156.41626031 -10.5976 112.309126 0.122016084 11.641744
-11.282845 127.30258188 -9.5976 92.1139258 0.109012991 9.072144
-10.070943 101.42388388 -8.4976 72.2092058 0.096280522 7.907344
-5.7590405 33.166547724 -4.2976 18.4693658 0.052932358 6.822544
-0.7471385 0.5582159239 0.6024 0.36288576 0.006571139 5.817744
2.2647635 5.1291538933 3.5024 12.2668058 0.019423358 4.892944
4.4326166 19.648089802 5.5024 30.2764058 0.037374507 3.655744
9.5683227 91.55279888 10.3024 106.139446 0.077539082 1.721344
12.404029 153.85992974 12.8024 163.901446 0.098522866 0.506944
16.295686 265.54937824 16.3024 265.768246 0.125932657 0.000144
15.163539 229.93291271 15.0024 225.072006 0.118372669 0.082944
19.755196 390.26777025 19.2024 368.732166 0.14932121 0.976144
27.490902 755.74969959 26.6024 707.687686 0.196785269 2.521744
33.270657 1106.9366306 32.1024 1030.56409 0.229136758 4.359744
34.114706 1163.8131781 33.0024 1089.15841 0.233502438 3.952144
37.482559 1404.9422465 36.2024 1310.61377 0.25105532 5.234944
41.494461 1721.7903154 40.1024 1608.20249 0.270851575 6.190144
41.406363 1714.4869211 39.9024 1592.20153 0.270629825 7.225344
-103.37983 10687.389798 -105.1076 11047.6076 12.9386524 9.535744
-105.97578 11230.866723 -107.6476 11588.0058 19.44509792 8.928144
-107.78173 11616.90233 -109.3976 11967.8349 29.13019856 8.340544
42.950412 1844.7379148 41.5024 1722.44921 0.27781638 6.697744
49.494461 2449.7016956 48.1024 2313.84089 0.307037601 59.474944
47725.683456 47774.0645 64.86410639 207.8312

2. Рассчитать линейный коэффициент парной корреляции

__ __
x= 7.712 y=

11.00 12.00
11.00 12.00

не позволяет сделать предположение о прямой линейной зависимости между среднемесячными расходами на питание и сре
зависимости между исследуемыми величинами.

вном виде. Нанести полученную прямую на поле корреляции.

Уравнение регрессии в явном виде:


= 117,4125423-0,55951015x(i)

0.00 11.00 12.00

= y(i)-117,4125423+0,55951015x(i)

бки аппроксимации.

TSS = 47774.064456

к изменению y.

259.45642557 %
мации не должна превышать 9%.

45.552494064 S^2= 2075.029715

3.1597795761

25.603341191

статически значим
статически значим

64.447995697 <β0< 170.377089

-7.096012221 <β1< 5.97699191

ессионного моделирования.

значим и уравнение регрессии статичесаки не значимо при уровне 0.05, что подтверждает не высокое качество построенной м

ие фактора составляет 115% от его среднего уровня.


го значения и индивидуального значения у про уровне значимости 0.05. Сравните полученные интервалы

93.33943762 <(𝑦_пр ) 141.4856


 ̂<

15.19152372 <𝑦_0< 209.7092

сходах на одежду, равных 8,9 долл., будет составлять 112,5 долл.

у, равных 8,9 долл., с вероятностью 95% будет находиться в интервале (93,3394,6529983; 141,4856) долл.

на одежду, равных 8,9 долл., с вероятностью 95% будет находиться в интервале (15,1915237; 209,7092) долл.
асходов на питание

мой зависимости между исследуемыми величинами.


ели по ошибке апроксимации плохое.

ически значимо.
ой модели требуется.

тройки, Пакет анализа); Сервис, Анализ данных, Регрессия; Сервис, Анализ данных, Корреляция.
оэффициент парной корреляции

___ ___ ___


113.0976 x^2= 65.6568 y^2= 14702.029704 xy= 868.74988

2.48633384725

43.7145579669

= -0.031823
сячными расходами на питание и среднемесячными расходами на одежду.
т не высокое качество построенной модели
ченные интервалы

48.14621

194.5177

141,4856) долл.

37; 209,7092) долл.