Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Новые рефераты » Класична модель лінійної регресії

Реферат Класична модель лінійної регресії





казує, що зі збільшенням оборотного капіталу на 1 млрд. дол. чистий дохід збільшиться в середньому на 0013600000. дол., при х2 показує, що зі збільшенням оборотного капіталу на 1 млрд. дол. чистий дохід збільшиться в середньому на 0,003 млрд. дол., х3 показує, що зі збільшенням оборотного капіталу на 1 млрд. дол. чистий дохід збільшиться в середньому на 0,012 тис. чол., х4 показує, що зі збільшенням оборотного капіталу на 1 млрд. дол. чистий дохід збільшиться в середньому на 0025000000. дол., х5 показує, що зі збільшенням оборотного капіталу на 1 млрд. дол. чистий дохід збільшиться в середньому на 0,07 тис. дол., при фіксованому значенні інших факторів.

Параметр економічного сенсу не має.

2. Дайте порівняльну оцінку сили зв'язку факторів з результатом за допомогою середніх (загальних) коефіцієнтів еластичності.

Середні коефіцієнти еластичності показують, на скільки відсотків від значення своєї середньої змінюється результат при зміні фактора на 1% від своєї середньої і при фіксованому впливі на y всіх інших чинників, включених в рівняння регресії. Для лінійної залежності


,


де - коефіцієнт регресії при в рівнянні множинної регресії.

Результати обчислення відповідних показників для кожної ознаки представлені на малюнку 8.2.3.


Малюнок 8.2.3 - Результат застосування інструменту Описова статистика


Тут,

,

,

,

.


За значеннями середніх коефіцієнтів еластичності можна зробити висновок про більш сильному впливі на результат y ознак факторів і, чим ознак факторів, і.

Середній коефіцієнт еластичності, показує, що зі збільшенням оборотного капіталу на 1%, чистий дохід збільшується в середньому на 0,008%, за умови, що інші фактори залишаються постійними,, показує, що зі збільшенням оборотного капіталу на 1%, чистий дохід збільшується в середньому на 0,003%, за умови, що інші фактори залишаються постійними,, показує, що зі збільшенням оборотного капіталу на 1%, чистий дохід збільшується в середньому на 0,009%, за умови, що інші фактори залишаються постійними,, показує, що зі збільшенням оборотного капіталу на 1%, чистий дохід збільшується в середньому на 0,019%, за умови, що інші фактори залишаються постійними,, показує, що зі збільшенням оборотного капіталу на 1%, чистий дохід збільшується в середньому на 0,005%, за умови, що інші фактори залишаються постійними.

3. Оцініть за допомогою F-критерію Фішера-Снедекора значимість рівняння лінійної регресії і показника тісноти зв'язку.

Оцінку надійності рівняння регресії в цілому і показника тісноти зв'язку дає F-критерій Фішера:


.


Для перевірки значимості рівняння висуваємо дві гіпотези:

Н0: рівняння регресії статистично значимо;

Н1: рівняння регресії статистично значимо.

За даними таблиць дисперсійного аналізу, представленим на малюнку 8.2.2,=11.52. Імовірність випадково отримати таке значення F-критерію становить 0,00003, що не перевищує допустимий рівень значимості 5%; про це свідчить величина P - значення з цієї ж таблиці. Отже, отримане значення не випадково, воно сформувалося під впливом істотних факторів, тобто підтверджується статистична значимість всього рівняння і показника тісноти зв'язку. =0,00003. gt; отже рівняння регресії є статистично значущою.

4. Оцініть статистичну значущість коефіцієнтів регресії за допомогою t - критерію Стьюдента.

Висуваємо дві гіпотези: Н0: коефіцієнти регресії статистично значимий, тобто рівні про; Н1: коефіцієнти регресії статистично значущі, тобто відмінні від нуля. Значення випадкових помилок параметрів з урахуванням округлення рівні (рисунок 8.2.2):



Вони показують, яке значення даної характеристики сформувалися під впливом випадкових факторів. Ці значення використовуються для розрахунку t-критерію Стьюдента (малюнок 8.2.2):


.


Якщо значення t-критерію менше 2,09, можна зробити висновок про невипадковою природі даного значення параметра, т. е про те, що він статистично значущий і надійний. Tтабл=

5. Оцініть якість рівняння через середню помилку апроксимації.

Розрахуємо середню помилку апроксимації за формулою середньої арифметичної простої:



Таблиця 8.2.2 - Дані для розрахунку середньої помилки апроксимації

№ п/п 1234145,946,581,48246,746,460,52345,746,050,77446,746,121,23547,646,642,01646,345,920,81749,150,041,91846,646,480,26951,951,341,091045,445,690,641146,346,821,131246,946,470,931346,946,071,771446,446,630,491545,446,412,231645,845,680,251746,846,540,571845,946,180,621946,146,430,712046,946,161,582144,146,365,122246,346,110,40234746,161,792445,645,650,122545,746,130,941164,001165,...


Назад | сторінка 2 з 3 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Рівняння регресії. Коефіцієнт еластичності, кореляції, детермінації і F-кр ...
  • Реферат на тему: Рівняння лінійної регресії, коефіцієнт регресії
  • Реферат на тему: Оцінка значущості коефіцієнтів регресії і кореляції з допомогою f-критерію ...
  • Реферат на тему: Коефіцієнт детермінації. Значимість рівняння регресії
  • Реферат на тему: Рівняння лінійної регресії