180
220
186
231
250
229
В В
Висновок 1. Аналіз кореляційного поля даних показує, що між ознаками і в вибіркової сукупності існує пряма і досить тісний зв'язок. Передбачається, що пояснюється мінлива лінійно залежить від фактора, тому рівняння регресії будемо шукати у вигляді
,
Таблиця № 4 Параметри (коефіцієнти) рівняння регресії
В
Коефіцієнти
Y-перетин
227,7117993
Мінлива X 1
-0,003619876
На підставі цих даних запишемо рівняння регресії:.
Коефіцієнт називається вибірковим коефіцієнтом регресії Коефіцієнт регресії показує, на скільки одиниць в середньому змінюється змінна при збільшенні змінної на одну одиницю.
Таблиця № 5. Кореляційна матриця
В
Стовпець 1
Стовпчик 2
Стовпець 1
1
Стовпчик 2
-0,010473453
1
Для оцінки якості рівняння регресії в цілому необхідно перевірити статистичну значущість індексу детермінації: перевіряється нульова гіпотеза, використовується.
Таблиця № 6
Регресійна статистика
R-квадрат
0,000109693
.
Т.к. Значення детермінації R-квадрат має мале значення, яке менше 1%, то подальше рішення не має сенсу, тому що ймовірність того що прогноз буде вірним менше 1%.
Завдання № 2
Використовуючи дані, наведені в таблиці: побудувати лінійне рівняння множинної регресії;
1) оцінити значимість параметрів даного рівняння і побудувати довірчі інтервали для кожного з параметрів, оцінити значимість рівняння в цілому, пояснити економічний сенс отриманих результатів;
2) розрахувати лінійні коефіцієнти приватної кореляції і коефіцієнт множинної детермінації, порівняти їх з лінійними коефіцієнтами парної кореляції, пояснити відмінності між ними;
3) обчислити прогнозне значення y при зменшенні вектора x на 6% від максимального рівня, оцінити помилку прогнозу і побудувати довірчий інтервал прогнозу;
Таблиця № 5
номер спостереження, i
Нагромадження сім'ї, Y (y.e.)
Дохід сім'ї, X 1 ( y. e.)
Витрати на харчування, X 2 ( y. e.)
1
2
20
5
2
6
27
6
3
7
26
7
4
5
19
5
5
4
15
5
6
2
15
5
7
7
28
10
8
6
24
7
9
4
14
6
10
5
21
7
...
