я
2. Заповнимо діалогове вікно введення даних і параметрів виводу
Вхідний інтервал Y - діапазон, що містить дані результативної ознаки.
Вхідний інтервал X - діапазон, що містить дані факторів незалежного ознаки (так як модель однофакторний, то побудуємо її на основі фактора X1)
Рис. 3
Рис. 4
На підставі цього можна записати рівняння лінійної парної регресії:
y=0.426386 + 1.990719x 1
Оцінимо якість рівняння парної регресії через коефіцієнт детермінації і F-критерій Фішера.
R 2=0.99, отже 99% варіації ціни ТЗ залежить від доходу працівника. Значення коефіцієнта детермінації близько до 1, отже, якість моделі високе.
Знайдемо F табличне.
Рис. 5
+29963,9073951677? 4,300949502
F розрахункове? F табличного, отже, рівняння регресії статистично значуще і воно може бути використано для аналізу та прогнозування.
Визначимо x прогнозне:
x прогн=0.8 * x 1max
y=0.426386 + 1.990719x 1
Визначимо y прогнозне:
y прогн=0,426386 + 1,990719 * 0,8 * 159=253,645843
2.2 Завдання 2. Побудова моделі множинної регресії
1. Здійсніть аналіз матриці парних кореляцій на предмет мультиколінеарності.
2. Використовуючи покрокову множинну регресію (метод виключення або метод включення), побудуйте модель множинної регресії. Дайте економічну інтерпретацію коефіцієнтів моделі регресії.
. Здійсніть перевірку виконання передумов МНК.
. Оцініть якість побудованої моделі. Покращилась якість моделі в порівнянні з однофакторний моделлю? Дайте оцінку впливу значущих чинників на результат за допомогою коефіцієнтів еластичності, b - і D - коефіцієнтів.
. Побудуйте (по кращої моделі) прогноз результативної ознаки, якщо припустити, що значення факторних ознак збільшаться щодо середніх значень на 10%.
Варіант 4. У таблиці представлені дані про ціну технічного засобу (ТЗ), доході, віці, стажі роботи і т.д. 24 співробітників деякого підприємства.
Таблиця 2
№ п.п.Y Ціна ТСX1 ДоходX2 ВозрастX3 Рівень образ.X4 СтажX5 Пол136.2072.0055.000.0023.000.00276.90153.0056.000.0035.001.00313.7028.0028.001.004.000.00412.5026.0024.001.000.001.00511.3023.0025.000.005.001.00637.2076.0045.000.0013.001.00719.8040.0042.001.0010.001.00828.2057.0035.000.001.000.00912.2024.0046.000.0011.000.001046.1089.0034.001.0012.001.001135.5072.0055.001.002.000.001211.8024.0028.001.004.001.001321.3040.0031.001.000.000.001468.90137.0042.001.003.000.001534.1070.0035.001.009.001.001678.90159.0052.001.0016.001.001718.6037.0021.001.000.001.001813.7028.0032.000.002.000.001954.70109.0042.001.0020.000.002058.30117.0040.000.0019.000.002111.8023.0030.000.003.001.00229.5021.0048.001.002.001.00238.5017.0039.001.002.001.002416.6034.0042.000.0013.000.00
Позначення:
в графі Рівень освіти: 1 - вища і незакінчена вища, 0 - середня, середня спеціальна, ТС - транспортний засіб, у графі Стать: 1 - чоловіча, 0 - жіночий.
Рішення:
Працюємо в програмі Microsoft Office Excel. Вносимо дані в Excel.
Рис. 6
Матрицю парних коефіцієнтів кореляції можна розрахувати, використовуючи інструмент Аналізу даних Кореляція. Для цього:
1. У головному меню вибираємо Сервіс - gt; Аналіз даних - gt; Кореляція
2. Заповнюємо діалогове вікно введення параметрів, в якості вхідного інтервалу вказуємо весь діапазон представлених даних.
Рис. 7
Для виявлення мультиколінеарності аналізуємо частина матриці, за винятком першого стовпця. В аналізованій області немає значення по модулю більшого 0,8. Отже, мультиколінеарності відсутня.
Тому ми можемо використовувати всі факторні ознаки в моделі регресії. Побудуємо модель множинної регресії
Рис. 8
y=0,501x 1 - 0,028x 2 + 0,227x 3 + 0,027x 4 - 0,322x 5
Дамо економічну інтерпретацію коефіцієнтів моделі регресії.
Якщо дохід працівника збільшиться на 1 умовну одиницю, то ціна купованого ТЗ збільшиться на 0,501 умовну одиницю.
Якщо роз...
