Вариант №6
Исходные данные
№ наблюдения |
Y1 |
Х4 |
Х6 |
Х8 |
Х12 |
Х13 |
1 |
9,26 |
0,23 |
0,40 |
1,23 |
83,85 |
23875,00 |
2 |
9,38 |
0,24 |
0,26 |
1,04 |
62,03 |
22724,75 |
3 |
12,11 |
0,19 |
0,40 |
0,90 |
73,34 |
21574,50 |
4 |
10,81 |
0,17 |
0,40 |
0,89 |
84,65 |
20544,50 |
5 |
9,35 |
0,23 |
0,40 |
0,88 |
39,53 |
14257,00 |
6 |
9,87 |
0,43 |
0,19 |
0,57 |
40,41 |
22661,00 |
7 |
8,17 |
0,31 |
0,25 |
0,86 |
38,72 |
18782,00 |
8 |
9,12 |
0,26 |
0,44 |
0,85 |
37,02 |
14903,00 |
9 |
5,88 |
0,49 |
0,17 |
0,84 |
45,74 |
25587,00 |
10 |
6,30 |
0,36 |
0,39 |
0,60 |
40,07 |
16821,00 |
11 |
6,20 |
0,37 |
0,33 |
0,82 |
45,44 |
19459,00 |
12 |
5,49 |
0,43 |
0,25 |
0,84 |
41,08 |
12973,00 |
13 |
6,50 |
0,35 |
0,32 |
0,67 |
41,74 |
13406,50 |
14 |
6,61 |
0,38 |
0,22 |
1,04 |
42,39 |
13840,00 |
15 |
4,32 |
0,42 |
0,16 |
0,66 |
37,39 |
11472,00 |
16 |
7,37 |
0,30 |
0,15 |
0,86 |
42,47 |
26705,00 |
17 |
7,02 |
0,32 |
0,18 |
0,79 |
47,55 |
20068,00 |
18 |
8,25 |
0,25 |
0,20 |
0,80 |
32,61 |
11487,00 |
19 |
8,15 |
0,31 |
0,20 |
0,80 |
35,78 |
32029,00 |
20 |
8,72 |
0,26 |
0,30 |
1,46 |
38,95 |
18946,00 |
21 |
6,64 |
0,37 |
0,24 |
1,27 |
81,32 |
28025,00 |
22 |
8,10 |
0,29 |
0,10 |
0,79 |
67,26 |
20968,00 |
23 |
5,52 |
0,34 |
0,11 |
0,68 |
59,92 |
11049,00 |
24 |
9,37 |
0,23 |
0,24 |
0,86 |
53,67 |
22946,50 |
25 |
13,17 |
0,17 |
0,29 |
0,99 |
53,74 |
21832,75 |
26 |
6,67 |
0,29 |
0,34 |
0,95 |
53,81 |
20719,00 |
27 |
6,68 |
0,41 |
0,20 |
0,90 |
80,83 |
27337,50 |
28 |
5,22 |
0,41 |
0,24 |
0,74 |
59,42 |
33956,00 |
29 |
10,02 |
0,22 |
0,32 |
0,87 |
36,96 |
17016,00 |
30 |
8,16 |
0,29 |
0,40 |
0,99 |
45,72 |
34873,00 |
31 |
3,78 |
0,51 |
0,20 |
0,78 |
36,50 |
11237,00 |
32 |
6,48 |
0,36 |
0,31 |
0,57 |
27,29 |
17306,00 |
33 |
10,44 |
0,23 |
0,42 |
1,22 |
61,44 |
18190,00 |
34 |
7,65 |
0,26 |
0,27 |
0,68 |
58,42 |
19074,00 |
35 |
8,77 |
0,27 |
0,37 |
1,00 |
59,40 |
18452,00 |
36 |
7,00 |
0,29 |
0,38 |
0,81 |
49,63 |
17500,00 |
37 |
11,06 |
0,21 |
0,35 |
1,27 |
67,92 |
15776,00 |
38 |
9,02 |
0,22 |
0,42 |
1,14 |
86,21 |
29473,50 |
39 |
13,28 |
0,18 |
0,32 |
0,95 |
75,66 |
29549,75 |
40 |
9,27 |
0,25 |
0,33 |
0,67 |
56,44 |
29626,00 |
41 |
6,70 |
0,31 |
0,29 |
0,96 |
37,21 |
11688,00 |
42 |
6,69 |
0,38 |
0,30 |
0,67 |
53,37 |
21955,00 |
43 |
9,42 |
0,24 |
0,36 |
0,98 |
32,87 |
12243,00 |
44 |
7,24 |
0,31 |
0,42 |
1,16 |
45,63 |
20193,00 |
45 |
5,39 |
0,42 |
0,26 |
0,54 |
48,41 |
20122,00 |
46 |
5,61 |
0,51 |
0,16 |
1,23 |
56,20 |
15224,00 |
47 |
5,59 |
0,31 |
0,45 |
0,78 |
63,99 |
27404,00 |
48 |
6,57 |
0,37 |
0,31 |
1,16 |
52,28 |
19824,00 |
49 |
6,54 |
0,16 |
0,18 |
1,11 |
74,04 |
16147,00 |
50 |
4,23 |
0,18 |
0,21 |
1,06 |
25,76 |
12470,00 |
51 |
5,22 |
0,43 |
0,23 |
1,07 |
29,52 |
11524,00 |
52 |
18,00 |
0,40 |
0,22 |
1,21 |
41,99 |
17309,00 |
53 |
11,03 |
0,31 |
0,22 |
1,10 |
78,11 |
22225,00 |
ЗАДАНИЕ
к практической работе
«Построение многофакторных регрессионных моделей
и их интерпретация»
-
Сформулировать постановку задачи
-
Определить цель проведения корреляционно-регрессионного анализа.
-
Выделить исследуемый показатель и набор факторов.
-
-
Провести анализ исходных данных
-
Проверка достаточности наблюдений
-
Расчет статистических характеристик
-
Проверка независимости наблюдений
-
Проверка однородности данных
-
-
Провести корреляционный анализ
-
Оценить парные связи
-
Оценить множественные связи
-
Выявить коллинеарные факторы
-
Построить поля корреляции
-
Выявить направление связи
-
Оценить надежность показателей тесноты связи
-
-
Обосновать вид многофакторной регрессионной модели и оценить ее параметры
-
рассчитать параметры уравнения регрессии
-
используя метод последовательного исключения факторов из модели, исключить статистически ненадежные факторы
-
записать полученное многофакторное уравнение регрессии
-
провести проверку предпосылок применения метода наименьших квадратов
-
-
Оценить качество построенной модели
-
Рассчитать и оценить среднюю относительную ошибку аппроксимации
-
Оценить коэффициент множественной детерминации
-
Оценить F-критерий
-
-
Провести интерпретацию полученных результатов
-
Дать интерпретацию построенного уравнения регрессии
-
Рассчитать бетта-коэффициенты и дать их интерпретацию
-
Рассчитать коэффициенты эластичности и дать их интерпретацию
-
Рассчитать доли влияния каждого их факторов, включенных в модель
-
Отразить на графике фактические и модельные значения показателя.
-
Примечание: отчет о выполненной работе представить в электронном виде.
-
Определить цели и задачи проведения корреляционно-регрессионного анализа
Целями корреляционно-регрессионного анализа являются:
-
Выявление степени взаимосвязи между исследуемыми показателями, что позволяет выбрать наиболее существенные факторы.
-
Выявление закона изменения результирующих показателей под влиянием выбранных факторов.
Задачами корреляционно-регрессионного анализа считаются:
-
обнаружить зависимость в фактическом материале и установить форму связи;
-
измерить силу, или тесноту связи, т.е. степень ее приближения к функциональной;
-
получить оценки неизвестных параметров уравнения регрессии и проверить гипотезу относительно этих коэффициентов;
-
проверить адекватность модели;
-
провести интерпретацию полученных результатов.
Выбор показателей для проведения корреляционно-регрессионного анализа:
у1 – результирующий показатель (зависимая переменная;
х4, х6, х8, х12, х13 – факторы (независимые переменные):
2. Проверка исходных данных
Для построения регрессионной модели требуются данные, удовлетворяющие следующим требованиям: однородность, достаточность и т.д. В контрольной работе необходимо проверить исходные данные на достаточность и однородность.
Для проверки достаточности исходных данных используются эмпирические формулы, устанавливающие соотношение между количеством факторов и числом наблюдений : , в тех случаях, когда информация представляет собой динамические ряды, соотношение . Проверка исходных данных проводится для всех показателей одновременно, вследствие чего для исходных данных, рассматриваемых в работе, соотношения следующие: n=53, р=5.
53-5-1=47>30; >4.
Исходные данные по всем показателям считаются достаточными для проведения корреляционно-регрессионного анализа.
Для проверки исходных данных на однородность возникает необходимость расчета статистических характеристик с помощью Excel, таб. 1.
Таблица 1.
Статистические характеристики по исследуемым показателям
|
Y1 |
Х4 |
Х6 |
Х8 |
Х12 |
Х13 |
Среднее |
7,99 |
0,31 |
0,28 |
0,92 |
52,11 |
19912,27 |
Стандартная ошибка |
0,36 |
0,01 |
0,01 |
0,03 |
2,22 |
850,19 |
Медиана |
7,37 |
0,31 |
0,29 |
0,88 |
48,41 |
19459,00 |
Мода |
5,22 |
0,31 |
0,40 |
0,86 |
#Н/Д |
#Н/Д |
Стандартное отклонение |
2,60 |
0,09 |
0,09 |
0,21 |
16,19 |
6189,47 |
Дисперсия выборки |
6,75 |
0,01 |
0,01 |
0,04 |
262,02 |
38309585,80 |
Эксцесс |
3,10 |
-0,58 |
-1,00 |
-0,36 |
-0,61 |
-0,28 |
Асимметричность |
1,31 |
0,35 |
0,03 |
0,34 |
0,57 |
0,55 |
Интервал |
14,22 |
0,35 |
0,35 |
0,92 |
60,45 |
23824,00 |
Минимум |
3,78 |
0,16 |
0,10 |
0,54 |
25,76 |
11049,00 |
Максимум |
18,00 |
0,51 |
0,45 |
1,46 |
86,21 |
34873,00 |
Сумма |
423,41 |
16,43 |
15,06 |
48,54 |
2761,67 |
1055350,25 |
Счет |
53,00 |
53,00 |
53,00 |
53,00 |
53,00 |
53,00 |
Исходные данные должны представлять собой качественно-однородную совокупность. Однородность информации подразумевает отсутствие (или небольшое количество) нетипичных наблюдений. Для проверки однородности используют коэффициент вариации . Данные по показателю считаются однородными, если .
Показатель |
Коэффициент вариации |
Y1 |
0,33 |
Х4 |
0,29 |
Х6 |
0,32 |
Х8 |
0,23 |
Х12 |
0,31 |
Х13 |
0,31 |
Из расчета видно, что однородными исходные данные можно признать по факторам х4, х6, х8, х12 и х13.