- •Введение
- •1.Структура пакета STATISTICA
- •Структура данных
- •Редактирование данных
- •Источники данных
- •Открытие файла данных
- •Создание файла данных
- •Сохранение файла
- •Импорт файла данных
- •Экспорт файла данных
- •Вычисление основных статистик и построение графиков
- •2. Лабораторные работы по теории вероятностей
- •Выполнение в пакете STATISTICA
- •. Работа с Probability Distr. Calculator
- •Моделирование распределений случайных величин
- •3. Лабораторные работы по статистическим методам
- •Выполнение в пакете STATISTICA
- •Основные понятия
- •Задание
- •Выполнение в пакете STATISTICA
- •Задания для самостоятельной работы
- •Работа 5. Доверительные интервалы для разности средних и отношения дисперсий
- •Основные понятия
- •Задание
- •Выполнение в пакете STATISTICA
- •Задания для самостоятельной работы
- •Работа 6. Группировка данных по классифицирующему признаку
- •Выполнение в пакете STATISTICA
- •4. Непараметрические методы математической статистики
- •Задания для самостоятельной работы
- •Задания для самостоятельной работы
- •Коэффициент ранговой корреляции Спирмена
- •Задания для самостоятельной работы
- •Задания для самостоятельной работы
- •Задание 1
- •Задание 2
- •4.8. Критерий знаков (Sign test)
- •4.9. Критерий Вилкоксона (Wilcoxon watched pairs test)
- •Задания для самостоятельной работы
- •5. Однофакторный дисперсионный анализ
- •5.1. Основные понятия
- •5.2. Решение примеров в пакете STATISTICA
- •6. Регрессионный анализ
- •Работа 7. Простая линейная регрессия
- •Литература
Работа 7. Простая линейная регрессия
Основные понятия. Диаграмма рассеяния. Зависимые и независимые переменные. Предположения регрессионного анализа. Простая линейная регрессия y на x и x на y. Параметры регрессии и их МНК-оценки. Остатки. Остаточная сумма квадратов. Оценка дисперсии ошибок наблюдений. Коэффициент детерминации. Оценка коэффициента корреляции.
Литература. [1], гл. 19, § 1, 7;
[2], гл. 2, с. 30 - 36; [4,] с. 3 - 11.
Варианты заданий для работ 7 и 8.
x1 |
y1 |
x2 |
y2 |
x3 |
y3 |
x4 |
y4 |
x5 |
y5 |
x6 |
y6 |
x7 |
y7 |
–2,2 |
–4,0 |
–0,5 |
3,3 |
1,2 |
2,8 |
2,8 |
4,0 |
1,4 |
–0,7 |
–1,0 |
–1,2 |
2,7 |
1,0 |
–0,1 |
0,2 |
0,9 |
0,5 |
–3,0 |
–1,1 |
0,6 |
4,1 |
–2,3 |
3,9 |
2,5 |
2,4 |
0,2 |
2,8 |
3,1 |
5,4 |
1,5 |
0,0 |
–0,4 |
3,0 |
3,0 |
2,9 |
0,2 |
1,6 |
3,3 |
5,3 |
–1,2 |
2,9 |
–0,2 |
0,7 |
0,6 |
1,0 |
2,3 |
4,3 |
–1,6 |
5,9 |
4,8 |
–2,7 |
2,2 |
3,9 |
–0,5 |
3,2 |
1,0 |
3,5 |
–0,2 |
1,7 |
–0,3 |
1,3 |
–0,7 |
5,5 |
1,2 |
–0,6 |
2,0 |
0,5 |
–0,7 |
2,5 |
x8 |
y8 |
x9 |
y9 |
x10 |
y10 |
x11 |
y11 |
x12 |
y12 |
x13 |
y13 |
x14 |
y14 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3,3 |
3,8 |
–0,2 |
4,5 |
3,5 |
2,0 |
4,2 |
1,5 |
1,8 |
7,1 |
6,2 |
2,5 |
5,3 |
3,5 |
1,1 |
3,7 |
0,8 |
6,2 |
1,5 |
–0,6 |
5,3 |
1,8 |
4,3 |
7,8 |
3,1 |
2,0 |
2,8 |
0,7 |
–1,4 |
–1,1 |
–1,2 |
3,2 |
3,5 |
4,7 |
1,4 |
2,5 |
0,0 |
1,8 |
1,7 |
0,6 |
3,0 |
2,1 |
2,7 |
3,5 |
–0,5 |
2,9 |
1,8 |
–0,7 |
0,3 |
2,9 |
1,3 |
2,3 |
8,0 |
3,6 |
3,5 |
1,3 |
0,8 |
2,5 |
1,0 |
5,3 |
–0,3 |
0,4 |
2,0 |
2,8 |
3,2 |
4,7 |
6,1 |
1,5 |
3,0 |
2,5 |
173
x15 |
y15 |
x16 |
y16 |
x17 |
y17 |
x18 |
y18 |
x19 |
y19 |
x20 |
y20 |
x21 |
y21 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5,6 |
1,0 |
3,7 |
2,8 |
9,2 |
0,5 |
1,7 |
2,3 |
4,8 |
6,8 |
4,4 |
4,7 |
7,1 |
5,4 |
6,1 |
2,5 |
3,7 |
2,5 |
1,2 |
7,8 |
4,9 |
5,0 |
3,0 |
7,8 |
3,8 |
6,4 |
4,5 |
6,5 |
6,1 |
2,2 |
3,9 |
1,3 |
4,3 |
5,3 |
0,6 |
2,5 |
5,8 |
6,1 |
2,4 |
4,3 |
8,3 |
4,6 |
5,6 |
5,5 |
3,9 |
1,3 |
6,5 |
4,5 |
8,0 |
7,1 |
4,5 |
6,8 |
3,4 |
4,3 |
6,7 |
5,4 |
2,7 |
6,0 |
1,9 |
3,4 |
4,5 |
4,2 |
1,0 |
3,1 |
6,5 |
4,5 |
2,3 |
2,7 |
10,4 |
4,0 |
x2 |
y2 |
x2 |
y2 |
x2 |
y2 |
x2 |
y2 |
2 |
2 |
3 |
3 |
4 |
4 |
5 |
5 |
2,7 |
5,0 |
6,6 |
1,7 |
6,7 |
2,9 |
5,5 |
4,0 |
8,5 |
–0,5 |
6,9 |
2,5 |
5,5 |
3,2 |
8,1 |
5,6 |
5,0 |
3,7 |
3,4 |
5,7 |
8,2 |
6,1 |
8,5 |
5,7 |
6,8 |
0,7 |
7,7 |
1,1 |
4,8 |
2,7 |
5,9 |
3,6 |
4,6 |
3,2 |
8,3 |
1,9 |
3,1 |
1,4 |
7,8 |
4,0 |
Задание. По выборке из своего варианта выполнить следующие расчеты и задания:
1) построить диаграмму рассеяния выборки (построение сделать точно на бумаге в клеточку или миллиметровке);
174
2)вычислить оценки параметров линейной регрессии y на x: y = β0 + β1x и x на y: x = β0 + β1y , используя суммы квадратов Qy, Qx, Qxy.
3)нанести графики прямых регрессий y на x и x на y
на диаграмму рассеяния;
4) для линейной регрессии y на x вычислить остатки ei, i = 1, 2, …, n; остаточную сумму квадратов Qe = åei2 ;
оценку дисперсии ошибок наблюдений S2; коэффициент детерминации R2 и оценку коэффициента корреляции r; 5) для линейной регрессии y = β0 + β1x выписать:
матрицу А; транспонированную матрицу АТ; |
||
информационную матрицу Β = AT A и матрицу, |
||
обратную к матрице B = (АТ A ). Найти оценки β |
0 |
иβ , |
|
1 |
используя формулу для расчета оценок в матричном виде. Сравнить результаты вычислений с оценками, полученными в п. 2);
6) ввести данные в пакет STATISTICA, выполнить пп.1) - 4), сравнить результаты расчетов и полученные графики, записать результаты в отчет.
Чтобы показать технику вычислений, рассмотрим пример расчета простой линейной регрессии с небольшим объемом данных.
Пример 6.1. Исходные данные в виде результатов наблюдений зависимой y и независимой x переменных следующие:
y |
4,0 |
5,6 |
5,7 |
3,6 |
4,0 |
x |
5,5 |
8,1 |
8,5 |
5,9 |
7,8 |
Решение. По исходным данным вычислим суммы квадратов Qy, Qx и сумму произведений Qxy; объем выборки n = 5.
Предварительно найдем средние значения:
175
x = 1n åxi = 15 (5,5 + 8,1+ 8,5 + 5,9 + 7,8) = 7,16;
y = 1n åyi = 15 (4 + 5,6 + 5,7 + 3,6 + 4) = 4,58;
Qx = å(xi - x)2 = åxi2 - n(x)2 = (5,52 + 8,12 + 8,52 + 5,92 + 7,82 )- - 5×(7,16)2 = 263,76 - 5×51,266 = 7,438 ;
Qy = å(yi - y)2 = åyi2 - n(y)2 = (42 + 5,62 + 5,72 + 3,62 + 42 )- - 5×(4,58)2 = 108,81- 5×20,976 = 3,928;
Qxy = å(xi - x)(yi - y) = åxi yi - nx y =
=(5,5× 4 + 8,1×5,6 + 8,5×5,7 + 5,9 ×3,6 + 7,8×4) -5 ×7,16 ×4,58 =
=168,25 - 5×7,16×4,58 = 4,286.
Оценки параметров линейной регрессии y = b0 + b1x :
b%1 = Qxy = 4,286 » 0,576;
Qx 7,438
b%0 = y - b%1 x = 4,58 - 0,576×7,16 » 0,454 .
Таким образом, уравнение линейной регрессии y на x имеет вид:
y = 0,454 + 0,576x .
Аналогично, оценки параметров линейной регрессии x на y:
x = b′0 + b1′ y ;
b%1¢ = Qxy » 1,091; b%¢0 = x - b%1¢ × y = 7,16 -1,091× 4,58 » 2,163 .
Qy
176
Уравнение линейной регрессии x на Y имеет вид:
x = 2,163 +1,091y .
Диаграмма рассеяния и прямая регрессии Y на x показаны на рис.6.3.
Для линейной регрессии Y на x вычислим остатки:
ei = yi - (b%0 + b%1xi ), i = 1,2,...,5 ; e1 = 4 - (0,454 + 0,576×5,5) = 0,378;
e2 = 5,6 - (0,454 + 0,576×8,1) = 0,480;
e5 = 4 - (0,454 + 0,576 ×7,8) = -0,947 .
Остаточная сумма квадратов:
Qe = (0,378)2 + (0,480)2 + (0,35)2 + (-0,25)2 + (-0,947)2 » 1,457 .
Оценка дисперсии ошибок наблюдений:
S2 = nQ-ek = 1,4575 - 2 » 0,486,
где k - число оцениваемых параметров, для простой линейной регрессии k = 2.
Коэффициент детерминации:
R2 = 1- Qe = 1- 1,457 » 0,629.
Qy 3,928
Оценка коэффициента корреляции:
r = |
|
Qxy |
|
= |
|
4,286 |
|
» 0,793. |
|
|
|
|
|
|
|||
QxQy |
7,438×3,928 |
177
Вычислим оценки параметров линейной регрессии y на x в матричном виде, используя формулу
|
|
|
|
|
|
|
|
|
|
|
|
|
% |
T |
|
|
−1 |
T |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A Y , |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b = (A A) |
|
|
|
|
|
|
|
|
||||||
|
|
|
% |
|
|
|
|
% |
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где |
|
|
|
|
æb0 |
|
А |
- |
|
|
|
регрессионная |
матрица, |
|||||||||||||||||
|
|
b = |
ç % |
÷ , |
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
è b1 |
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
æ 1 |
|
x1 |
ö |
æ1 |
5,5 |
ö |
æ |
y1 |
ö |
æ |
4 |
|
ö |
|
|
|
|
|
|||||||||||
|
|
ç |
8,1 |
÷ |
ç |
5,6 |
÷ |
|
|
|
|
|
||||||||||||||||||
|
ç |
|
|
x2 |
÷ |
ç1 |
÷ |
ç |
|
|
|
÷ |
ç |
÷ |
|
|
|
|
|
|||||||||||
A = |
ç |
1 |
|
÷ = ç1 |
8,5 |
÷ , |
Y = ç |
y2 ÷ = |
ç |
5,7 |
÷ . |
|
|
|
|
|
||||||||||||||
|
ç |
- - - - |
|
÷ |
ç |
|
|
÷ |
ç - -÷ |
ç |
|
|
÷ |
|
|
|
|
|
||||||||||||
|
ç |
1 |
|
x |
n |
÷ |
ç1 |
5,9 |
÷ |
ç |
y |
n |
÷ |
ç |
3,6 |
÷ |
|
|
|
|
|
|||||||||
|
è |
|
|
|
|
ø |
ç |
7,8 |
÷ |
è |
|
ø |
ç |
4 |
|
÷ |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
è1 |
ø |
|
|
|
|
|
è |
|
ø |
|
|
|
|
|
||||||
|
Последовательно вычислим: |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
æ |
1 |
1 |
|
|
|
1 |
|
1 |
|
1 |
ö |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
AT = ç |
5,5 |
8,1 |
|
8,5 |
5,9 |
|
7,8 |
÷ ; |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
ø |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ1 |
5,5ö |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
|
|
÷ |
|
|
|
|
B = AT |
|
|
|
æ |
1 |
|
1 |
|
1 |
1 |
|
|
1 ö |
ç1 |
|
8,1 |
÷ |
æ |
5 |
35,8 |
ö |
|||||||||
A = ç |
5,5 8,1 8,5 |
5,9 |
|
|
|
÷ ×ç1 |
8,5 |
÷ |
= ç |
35,8 263,76 |
÷ . |
|||||||||||||||||||
|
|
|
|
|
|
è |
7,8ø |
ç |
|
5,9 |
÷ |
è |
ø |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç1 |
÷ |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
7,8 |
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è1 |
ø |
|
|
|
|
|||
|
Определитель матрицы B : |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
= det (AT A)= 37,16 . |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
Матрица, обратная к матрице B : |
|
|
|
|
|
||||||||||||||||||||||||
|
|
B−1 |
|
|
|
1 |
|
|
B* = |
1 |
æ 263,76 |
|
|
-35,8ö |
|
æ 7,098 |
-0,963ö |
|
||||||||||||
|
|
= |
|
|
|
|
|
|
|
|
ç |
|
|
|
|
5 |
|
÷ = |
ç |
|
|
|
÷ . |
|
||||||
|
|
|
B |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
37,16 è -35,8 |
|
|
|
|
ø |
|
è -0,963 |
0,135 ø |
|
где B - присоединенная матрица к матрице В, составленная из алгебраических дополнений к элементам матрицы В.
178
Далее вычислим произведения матриц:
|
|
|
æ 7,098 |
-0,963ö |
æ |
1 |
1 |
1 |
1 |
1 |
ö |
|
|
|
|
|
||
|
B−1AT = ç |
|
|
÷ |
×ç |
5,5 |
8,1 8,5 |
5,9 |
7,8 |
÷ = |
|
|
|
|
|
|||
|
|
|
è -0,963 |
0,135 ø |
è |
ø |
|
|
|
|
|
|||||||
|
|
|
æ 1,7992 |
-0,7056 |
-1,0910 |
1,4139 |
-0,4166 ö |
|
|
|
|
|
||||||
|
|
= ç |
0,1265 |
0,1803 |
-0,1695 |
0,0861 |
÷ . |
|
|
|
|
|
||||||
|
|
|
è -0,2234 |
ø |
|
|
|
|
|
|||||||||
|
Окончательно: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
4 |
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
5.6 |
÷ |
|
% |
% |
ö |
−1 T |
æ 1,7992 |
-0,7056 |
-1,0910 |
|
1,4139 |
-0,4166ö |
ç |
÷ |
|
||||||
æb0 |
|
ç |
|
÷ |
|
|||||||||||||
b = ç % |
÷ |
= B A Y = ç |
|
0,1265 |
0,1803 |
-0,1695 |
0,0861 |
÷ |
5.7 |
= |
||||||||
|
èb1 |
ø |
|
è-0,2234 |
ø |
ç |
3.6 |
÷ |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
4 |
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
ø |
|
æ0,4509ö
=çè0,5767÷ø.
Из сравнения полученных значений с результатами в п.2) видно, что расхождение имеется только в третьем десятичном знаке.
Выполнение в пакете STATISTICA
В Statistica Module Switcher (Переключателе модулей)
выберите модуль Multiple Regression (Множественная регрессия). После запуска модуля на экране откроется стартовая панель.
Откройте новый файл данных. В таблице удалите ненужные столбцы (Var-Delete) и строки наблюдений (Cases-Delete). Дайте имена переменным. В ячейки таблицы введите данные.
179
Постройте график исходных данных. Для этого можно воспользоваться меню Graphs-графики и выбрать необходимый тип графика.
В нашем примере воспользуйтесь двумерными диаграммами рассеяния (Stats 2D Graphs-Scatterplots) (рис.6.2).
Рис.6.2. Меню для построения диаграммы рассеяния
В диалоговом окне при помощи кнопки Variables (Переменные) выберите переменные, которые вы хотите отобразить графически, и необходимый тип графика.
На рис.6.3 показаны диаграмма рассеяния и прямая регрессии Y на х.
180
Рис.6.3. Диаграмма рассеяния и прямая регрессии Y на х
Рис.6.4. Стартовая панель модуля Multiple Regression
Для начала статистического анализа необходимо вызвать стартовую панель модуля. Для этого войдите в меню Analysis (Анализ) и выберите команду Startup Panel (рис.6.4). Далее выберите переменные для анализа
181
(воспользуйтесь кнопкой Variables). В качестве зависимой переменной (Dependent) выберите Y, в качестве независимой (Independent) - х.
После определения зависимых и независимых переменных на стартовой панели нажмите OK. Появится окно результатов вычислений (рис.6.5.).
Рис.6.5. Окно результатов множественной регрессии
В диалоговом окне Multiple Regression Results (Результаты множественной регрессии) просмотрите результаты оценивания в численном или графическом виде. Окно результатов регрессивного анализа имеет следующую структуру. Верх окна - информационный. Он состоит из двух частей: в первой части содержится основная информация о результатах оценивания, во второй - значимые стандартизованные регрессионные коэффициенты. Внизу окна - результаты множественной регрессии находятся функциональные кнопки, позволяющие всесторонне рассмотреть результаты анализа.
Остановимся вначале на информационной части окна, содержащей краткие сведения о результатах анализа, а именно:
∙ Dep.Var. - имя зависимой переменной Y;
182
∙No. of Cases - число случаев, по которым построена регрессия (5);
∙Multiple R - коэффициент множественной корреляции, описывающий степень линейной зависимости между Y и названными переменными. В случае простой линейной регрессии совпадает с коэффициентом корреляции;
∙R-square - RI - квадрат коэффициента множественной корреляции (коэффициент детерминации). Если регрессионная модель значима, то коэффициент детерминации равен той доли дисперсии ошибок наблюдений, которая объясняется регрессионной моделью. Коэффициент детерминации, вычисляется по формуле
R2 = 1− Qe ;
Qy
∙ Adjusted R-square: adjusted RI -
скорректированный коэффициент детерминации:
Qe
R2′ = 1− Qy(n − k ) ,
(n −1)
где n - число наблюдений; k - число оцениваемых параметров регрессионной модели; для простой линейной регрессии k = 2, так как определяются оценки двух параметров β0 и β1;
∙ Std. Error of estimate - среднее квадратичное отклонение ошибок наблюдений
|
|
|
|
|
Qe |
|
|
|
|
S = S2 = |
; |
|
|||||
|
(n − k ) |
|
||||||
|
|
|
|
|
|
|
|
|
∙ |
|
|
|
|
|
% |
; |
|
Intercept - оценка свободного члена регрессии β0 |
183
∙Std. Error - стандартная ошибка оценки свободного члена D[b%0 ] ;
∙t(n – k) and p-value - значение t-статистики и вычисленного уровня значимости p.
t-статистика используется для проверки гипотезы
Н0 : β0 = 0:
|
|
% |
|
|
|
|
t= |
|
b0 |
|
|
. |
|
|
|
|
|
|||
é% |
ù |
|||||
|
|
|
|
|||
|
|
D ëb0 |
û |
|
|
Уровень значимости p = P éT (n - k ) > |
|
t |
в |
|
ù , где T (n - k ) |
|
|
||||
ë |
|
|
|
û |
- случайная величина, имеющая распределение Стьюдента с (n - k ) степенями свободы; tв - выборочное
значение t -статистики.
Если p > α , где α - заданный уровень значимости, то гипотеза H0 : b0 = 0 принимается.
В данном случае p = 0,823749,следовательно гипотеза H0 : b0 = 0 принимается;
∙ F - значение F-статистики.
F-статистика используется для проверки гипотезы
H0 : b1 = 0 .
Если гипотеза H0 : b1 = 0 верна, то F-статистика
имеет распределение Фишера с (k – 1) и (n – k) степенями свободы.
Гипотеза H0 принимается на уровне значимости α , если вычисленное значение F-статистики меньше F(1 – α)(k – 1, n – k) - квантили распределения Фишера порядка (1- a) . Если гипотеза H0 : b1 = 0 принимается, то
регрессионная модель незначима;
∙df - число степеней свободы F-статистики: (k – 1;
n – k).
∙p - вычисленный уровень значимости.
184
Вычисленный уровень значимости
p = P éF (k -1; n - k ) > F ù |
, где F - выборочное значение F- |
|
ë |
в û |
в |
статистики.
Если p < α, то гипотеза Н0: β1 = 0 отклоняется; если p > α, то гипотеза H0 : b1 = 0 принимается.
В данном примере p = 0,109278, следовательно,
гипотеза |
H0 : b1 = 0 |
принимается |
на |
уровне |
значимости α = 0,05 : регрессионная модель незначима. |
||||
Теперь рассмотрим часть окна результатов анализа, |
||||
содержащую функциональные кнопки. |
|
|
||
При |
нажатии |
кнопки Regression |
Summary |
(Результаты регрессии) на экране появится таблица с результатами анализа (рис.6.6).
Рис.6.6. Результаты регрессии
Во втором столбце таблицы (BETA) выводится стандартизованный коэффициент регрессии β01 :
β01 = |
% |
(sx / sy ), |
β1 |
где sx и sy - оценки среднеквадратических отклонений для переменных x и y. b01 показывает, насколько величин sy изменится в среднем зависимая переменная y при увеличении переменной x на sx единиц.
Стандартизованные коэффициенты регрессии - безразмерные величины.
185
Вслучае множественной регрессии стандартизованные коэффициенты регрессии используются для сравнения влияния на зависимую переменную факторов, имеющих различную размерность.
Вчетвертом столбце таблицы (B) приведены МНК-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
% |
и |
% |
|
|
оценки коэффициентов регрессии: β0 |
β1 . |
|
||||||||||||||||
В пятом столбце (St.Err. of B) даны их стандартные |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
отклонения S% = |
|
% |
|
ù, i = 0,1. |
|
|
|
|
|
|
|
|
||||||
D éb |
|
|
|
|
|
|
|
|
||||||||||
|
βi |
ë |
|
i |
û |
|
|
|
|
|
|
|
|
|
|
|
|
|
В шестом столбце представлены t-статистики для |
||||||||||||||||||
проверки гипотезы H0 : bi = 0 : |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
% |
|
|
|
|
|
|
|
|
|
|
|||
|
|
ti |
= |
|
|
|
bi |
|
, |
i = 0,1. |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
% |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
D[bi ] |
|
|
|
|
|
|
|
|
||
В седьмом столбце приведены соответствующие |
||||||||||||||||||
уровни значимости: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
p = P éT (n - k) > |
|
t |
|
ù . |
|
|
|
|||||||||
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
ë |
|
|
|
|
i |
|
û |
|
|
|
|||
В данном случае гипотеза H0 : b1 = 0 |
принимается на |
|||||||||||||||||
уровне |
значимости |
|
|
α = 0,05 , |
так |
как вычисленный |
||||||||||||
уровень |
значимости |
|
|
|
p > α . |
|
|
Это |
означает, что |
|||||||||
регрессионная модель незначима. Гипотеза |
H0 : b1 = 0 |
|||||||||||||||||
также принимается при α = 0,05. |
|
|
|
|
|
|||||||||||||
Чтобы просмотреть и |
проанализировать |
остатки, |
войдите в меню Residual Analysis (Анализ остатков), нажав соответствующую кнопку в правой нижней части панели результатов вычислений (см. рис.6.5). Это меню представлено на рис.6.7.
186
Рис.6.7. Меню для анализа остатков
Чтобы просмотреть остатки и их график, нажмите в левой нижней части этой панели кнопку Plots of residuals (A) (Графики остатков (А)), выбрав опцию Raw residuals. Получите график остатков, наблюдаемые значения (observed value) зависимой переменной Y, предсказанные значения (predicted) Y и остатки
(residuals) (рис.6.8).
187
Рис.6.8. График остатков
Остаточная сумма квадратовQe , сумма квадратов, обусловленная регрессией QR , и сумма квадратов отклонений зависимой переменной Y от среднего Qy
вычисляются при нажатии кнопки Analysis of Variance (Дисперсионный анализ) на панели результатов вычислений (см. рис.6.5.). Результаты дисперсионного анализа
приведены на рис.6.9.
Рис.6.9. Дисперсионный анализ
Втаблице (рис.6.9) приведены такие соответствующие значения числа степеней свободы df, средние квадраты, F-статистика для проверки гипотезы
онезначимости регрессионной модели и вычисленный уровень значимости р.
Вданном примере гипотеза о незначимости регрессионной модели по F-критерию также
принимается, так как р ≈ 0,11, что больше обычно задаваемого уровня значимости α = 0,05.
188
Таблица П1.2
189
мер |
Y1 |
Y2 |
Y3 |
X4 |
X5 |
X6 |
X7 |
X8 |
X9 |
пред |
|||||||||
прия |
|
|
|
|
|
|
|
|
|
тия |
|
|
|
|
|
|
|
|
|
1 |
9,26 |
204,2 |
13,26 |
0,23 |
0,78 |
0,40 |
1,37 |
1,23 |
0,23 |
2 |
9,38 |
209,6 |
10,16 |
0,24 |
0,75 |
0,26 |
1,49 |
1,04 |
0,39 |
3 |
12,11 |
222,6 |
13,72 |
0,19 |
0,68 |
0,40 |
1,44 |
1,80 |
0,43 |
4 |
10,81 |
236,7 |
12,85 |
0,17 |
0,70 |
0,50 |
1,42 |
0,43 |
0,18 |
5 |
9,35 |
62,0 |
10,63 |
0,23 |
0,62 |
0,40 |
1,35 |
0,88 |
0,15 |
6 |
9,87 |
53,1 |
9,12 |
0,43 |
0,76 |
0,19 |
1,39 |
0,57 |
0,34 |
7 |
8,17 |
172,1 |
25,83 |
0,31 |
0,73 |
0,25 |
1,16 |
1,72 |
0,38 |
8 |
9,12 |
56,5 |
23,39 |
0,26 |
0,71 |
0,44 |
1,27 |
1,70 |
0,09 |
9 |
5,88 |
52,6 |
14,68 |
0,49 |
0,69 |
0,17 |
1,16 |
0,84 |
0,14 |
10 |
6,30 |
46,6 |
10,05 |
0,36 |
0,73 |
0,39 |
1,25 |
0,60 |
0,21 |
11 |
6,22 |
53,2 |
13,99 |
0,37 |
0,68 |
0,33 |
1,13 |
0,82 |
0,42 |
12 |
5,49 |
30,1 |
9,68 |
0,43 |
0,74 |
0,25 |
1,10 |
0,84 |
0,05 |
13 |
6,50 |
146,4 |
10,03 |
0,35 |
0,66 |
0,32 |
1,15 |
0,67 |
0,29 |
14 |
6,61 |
18,1 |
9,13 |
0,38 |
0,72 |
0,02 |
1,23 |
1,04 |
0,48 |
15 |
4,32 |
13,6 |
5,37 |
0,42 |
0,68 |
0,06 |
1,39 |
0,66 |
0,41 |
16 |
7,37 |
89,8 |
9,86 |
0,30 |
0,77 |
0,15 |
1,38 |
0,86 |
0,62 |
17 |
7,02 |
62,5 |
12,62 |
0,32 |
0,78 |
0,08 |
1,35 |
0,79 |
0,56 |
18 |
8,25 |
46,3 |
5,02 |
0,25 |
0,78 |
0,20 |
1,42 |
0,34 |
1,76 |
19 |
8,15 |
103,5 |
21,18 |
0,31 |
0,81 |
0,20 |
1,37 |
1,60 |
1,31 |
|
|
|
|
|
|
|
|
|
|
20 |
8,72 |
73,3 |
25,17 |
0,26 |
0,79 |
0,30 |
1,41 |
1,46 |
0,45 |
21 |
6,64 |
76,6 |
19,40 |
0,37 |
0,77 |
0,24 |
1,35 |
1,27 |
0,50 |
22 |
8,10 |
73,01 |
21,0 |
0,29 |
0,78 |
0,10 |
1,48 |
1,58 |
0,77 |
23 |
5,52 |
32,3 |
6,57 |
0,34 |
0,72 |
0,11 |
1,24 |
0,68 |
1,20 |
24 |
9,37 |
199,6 |
14,19 |
0,23 |
0,79 |
0,47 |
1,40 |
0,86 |
0,21 |
25 |
13,17 |
598,1 |
15,81 |
0,17 |
0,77 |
0,53 |
1,45 |
1,98 |
0,25 |
26 |
6,67 |
71,2 |
5,23 |
0,29 |
0,80 |
0,34 |
1,40 |
0,33 |
0,15 |
27 |
5,68 |
90,8 |
7,99 |
0,41 |
0,71 |
0,20 |
1,28 |
0,45 |
0,66 |
28 |
5,22 |
82,1 |
17,50 |
0,41 |
0,79 |
0,24 |
1,33 |
0,74 |
0,74 |
29 |
10,02 |
76,2 |
17,16 |
0,22 |
0,76 |
0,54 |
1,22 |
0,03 |
0,32 |
30 |
8,16 |
119,5 |
14,54 |
0,29 |
0,78 |
0,40 |
1,28 |
0,99 |
0,89 |
31 |
3,78 |
21,9 |
6,24 |
0,51 |
0,62 |
0,20 |
1,47 |
0,24 |
0,23 |
32 |
6,48 |
48,4 |
12,08 |
0,36 |
0,75 |
0,64 |
1,27 |
0,57 |
0,32 |
33 |
10,44 |
173,5 |
9,49 |
0,23 |
0,71 |
0,42 |
1,51 |
1,22 |
0,54 |
34 |
7,65 |
74,1 |
9,28 |
0,26 |
0,74 |
0,27 |
1,46 |
0,68 |
0,75 |
35 |
8,77 |
68,6 |
11,42 |
0,27 |
0,65 |
0,37 |
1,27 |
1,0 |
0,16 |
36 |
7,00 |
60,8 |
10,31 |
0,29 |
0,66 |
0,38 |
1,43 |
0,81 |
0,24 |
37 |
11,06 |
355,6 |
8,65 |
0,01 |
0,84 |
0,35 |
1,50 |
1,27 |
0,59 |
38 |
9,02 |
264,8 |
10,94 |
0,02 |
0,74 |
0,42 |
1,35 |
1,14 |
0,56 |
39 |
13,28 |
526,6 |
9,87 |
0,18 |
0,75 |
0,32 |
1,41 |
1,89 |
0,63 |
40 |
9,27 |
118,6 |
6,14 |
0,25 |
0,75 |
0,33 |
1,47 |
0,67 |
1,10 |
41 |
6,70 |
37,1 |
12,93 |
0,31 |
0,79 |
0,29 |
1,35 |
0,96 |
0,39 |
42 |
6,69 |
57,7 |
9,78 |
0,38 |
0,72 |
0,30 |
1,40 |
0,67 |
0,73 |
43 |
9,42 |
51,6 |
13,22 |
190 |
0,70 |
0,56 |
1,20 |
0,98 |
0,28 |
0,24 |
|||||||||
44 |
7,24 |
64,7 |
17,29 |
0,31 |
0,66 |
0,42 |
1,15 |
1,16 |
0,10 |
45 |
5,39 |
48,3 |
7,11 |
0,42 |
0,69 |
0,26 |
1,09 |
0,54 |
0,68 |
46 |
5,61 |
15,0 |
22,49 |
0,51 |
0,71 |
0,16 |
1,26 |
1,23 |
0,87 |
47 |
5,59 |
87,5 |
12,14 |
0,31 |
0,73 |
0,45 |
1,36 |
0,78 |
0,49 |
191
мер |
Y1 |
Y2 |
Y3 |
X4 |
X5 |
X6 |
X7 |
X8 |
X9 |
пред |
|||||||||
прия |
|
|
|
|
|
|
|
|
|
тия |
|
|
|
|
|
|
|
|
|
1 |
9,26 |
204,2 |
13,26 |
0,23 |
0,78 |
0,40 |
1,37 |
1,23 |
0,23 |
2 |
9,38 |
209,6 |
10,16 |
0,24 |
0,75 |
0,26 |
1,49 |
1,04 |
0,39 |
3 |
12,11 |
222,6 |
13,72 |
0,19 |
0,68 |
0,40 |
1,44 |
1,80 |
0,43 |
4 |
10,81 |
236,7 |
12,85 |
0,17 |
0,70 |
0,50 |
1,42 |
0,43 |
0,18 |
5 |
9,35 |
62,0 |
10,63 |
0,23 |
0,62 |
0,40 |
1,35 |
0,88 |
0,15 |
6 |
9,87 |
53,1 |
9,12 |
0,43 |
0,76 |
0,19 |
1,39 |
0,57 |
0,34 |
7 |
8,17 |
172,1 |
25,83 |
0,31 |
0,73 |
0,25 |
1,16 |
1,72 |
0,38 |
8 |
9,12 |
56,5 |
23,39 |
0,26 |
0,71 |
0,44 |
1,27 |
1,70 |
0,09 |
9 |
5,88 |
52,6 |
14,68 |
0,49 |
0,69 |
0,17 |
1,16 |
0,84 |
0,14 |
10 |
6,30 |
46,6 |
10,05 |
0,36 |
0,73 |
0,39 |
1,25 |
0,60 |
0,21 |
11 |
6,22 |
53,2 |
13,99 |
0,37 |
0,68 |
0,33 |
1,13 |
0,82 |
0,42 |
12 |
5,49 |
30,1 |
9,68 |
0,43 |
0,74 |
0,25 |
1,10 |
0,84 |
0,05 |
13 |
6,50 |
146,4 |
10,03 |
0,35 |
0,66 |
0,32 |
1,15 |
0,67 |
0,29 |
14 |
6,61 |
18,1 |
9,13 |
0,38 |
0,72 |
0,02 |
1,23 |
1,04 |
0,48 |
15 |
4,32 |
13,6 |
5,37 |
0,42 |
0,68 |
0,06 |
1,39 |
0,66 |
0,41 |
16 |
7,37 |
89,8 |
9,86 |
0,30 |
0,77 |
0,15 |
1,38 |
0,86 |
0,62 |
17 |
7,02 |
62,5 |
12,62 |
0,32 |
0,78 |
0,08 |
1,35 |
0,79 |
0,56 |
18 |
8,25 |
46,3 |
5,02 |
0,25 |
0,78 |
0,20 |
1,42 |
0,34 |
1,76 |
19 |
8,15 |
103,5 |
21,18 |
0,31 |
0,81 |
0,20 |
1,37 |
1,60 |
1,31 |
|
|
|
|
|
|
|
|
|
|
20 |
8,72 |
73,3 |
25,17 |
0,26 |
0,79 |
0,30 |
1,41 |
1,46 |
0,45 |
21 |
6,64 |
76,6 |
19,40 |
0,37 |
0,77 |
0,24 |
1,35 |
1,27 |
0,50 |
22 |
8,10 |
73,01 |
21,0 |
0,29 |
0,78 |
0,10 |
1,48 |
1,58 |
0,77 |
23 |
5,52 |
32,3 |
6,57 |
0,34 |
0,72 |
0,11 |
1,24 |
0,68 |
1,20 |
24 |
9,37 |
199,6 |
14,19 |
0,23 |
0,79 |
0,47 |
1,40 |
0,86 |
0,21 |
25 |
13,17 |
598,1 |
15,81 |
0,17 |
0,77 |
0,53 |
1,45 |
1,98 |
0,25 |
26 |
6,67 |
71,2 |
5,23 |
0,29 |
0,80 |
0,34 |
1,40 |
0,33 |
0,15 |
27 |
5,68 |
90,8 |
7,99 |
0,41 |
0,71 |
0,20 |
1,28 |
0,45 |
0,66 |
28 |
5,22 |
82,1 |
17,50 |
0,41 |
0,79 |
0,24 |
1,33 |
0,74 |
0,74 |
29 |
10,02 |
76,2 |
17,16 |
0,22 |
0,76 |
0,54 |
1,22 |
0,03 |
0,32 |
30 |
8,16 |
119,5 |
14,54 |
0,29 |
0,78 |
0,40 |
1,28 |
0,99 |
0,89 |
31 |
3,78 |
21,9 |
6,24 |
0,51 |
0,62 |
0,20 |
1,47 |
0,24 |
0,23 |
32 |
6,48 |
48,4 |
12,08 |
0,36 |
0,75 |
0,64 |
1,27 |
0,57 |
0,32 |
33 |
10,44 |
173,5 |
9,49 |
0,23 |
0,71 |
0,42 |
1,51 |
1,22 |
0,54 |
34 |
7,65 |
74,1 |
9,28 |
0,26 |
0,74 |
0,27 |
1,46 |
0,68 |
0,75 |
35 |
8,77 |
68,6 |
11,42 |
0,27 |
0,65 |
0,37 |
1,27 |
1,0 |
0,16 |
36 |
7,00 |
60,8 |
10,31 |
0,29 |
0,66 |
0,38 |
1,43 |
0,81 |
0,24 |
37 |
11,06 |
355,6 |
8,65 |
0,01 |
0,84 |
0,35 |
1,50 |
1,27 |
0,59 |
38 |
9,02 |
264,8 |
10,94 |
0,02 |
0,74 |
0,42 |
1,35 |
1,14 |
0,56 |
39 |
13,28 |
526,6 |
9,87 |
0,18 |
0,75 |
0,32 |
1,41 |
1,89 |
0,63 |
40 |
9,27 |
118,6 |
6,14 |
0,25 |
0,75 |
0,33 |
1,47 |
0,67 |
1,10 |
41 |
6,70 |
37,1 |
12,93 |
0,31 |
0,79 |
0,29 |
1,35 |
0,96 |
0,39 |
42 |
6,69 |
57,7 |
9,78 |
0,38 |
0,72 |
0,30 |
1,40 |
0,67 |
0,73 |
43 |
9,42 |
51,6 |
13,22 |
192 |
0,70 |
0,56 |
1,20 |
0,98 |
0,28 |
0,24 |
|||||||||
44 |
7,24 |
64,7 |
17,29 |
0,31 |
0,66 |
0,42 |
1,15 |
1,16 |
0,10 |
45 |
5,39 |
48,3 |
7,11 |
0,42 |
0,69 |
0,26 |
1,09 |
0,54 |
0,68 |
46 |
5,61 |
15,0 |
22,49 |
0,51 |
0,71 |
0,16 |
1,26 |
1,23 |
0,87 |
47 |
5,59 |
87,5 |
12,14 |
0,31 |
0,73 |
0,45 |
1,36 |
0,78 |
0,49 |
Исходные данные
Приложение 2. Таблица критических точек критерия ДарбинаУотсона.
Критические точки d1 и d2 для уровня 5 % (α = 0,05).
k = 1 |
k = 2 |
k = 3 |
k = 4 |
k = 5 |
|
d1 |
d2 |
d1 |
d2 |
d1 |
d2 |
d1 |
d2 |
d1 |
d2 |
1,08 |
1,36 |
0,95 |
1,54 |
0,82 |
1,75 |
0,69 |
1,97 |
0,56 |
2,21 |
|
|
|
|
|
|
|
|
|
|
|
|
1,10 |
1,37 |
0,98 |
1,54 |
0,86 |
1,73 |
0,74 |
1,93 |
0,62 |
2,15 |
|
|
|
|
|
|
|
|
|
|
|
|
1,13 |
1,38 |
1,02 |
1,54 |
0,90 |
1,71 |
0,78 |
1,90 |
0,67 |
2,10 |
|
|
|
|
|
|
|
|
|
|
|
|
1,16 |
1,39 |
1,05 |
1,53 |
0,93 |
1,69 |
0,82 |
1,87 |
0,71 |
2,06 |
|
|
|
|
|
|
|
|
|
|
|
|
1,18 |
1,40 |
1,08 |
1,53 |
0,97 |
1,68 |
0,86 |
1,85 |
0,75 |
2,02 |
|
|
|
|
|
|
|
|
|
|
|
|
1,20 |
1,41 |
1,10 |
1,54 |
1,00 |
1,68 |
0,90 |
1,83 |
0,79 |
1,99 |
|
|
|
|
|
|
|
|
|
|
|
|
1,22 |
1,42 |
1,13 |
1,54 |
1,03 |
1,67 |
0,93 |
1,81 |
0,83 |
1,96 |
|
|
|
|
|
|
|
|
|
|
|
|
1,24 |
1,43 |
1,15 |
1,54 |
0,05 |
1,66 |
0,96 |
1,80 |
0,86 |
1,94 |
|
|
|
|
|
|
|
|
|
|
|
|
1,26 |
1,44 |
1,17 |
1,54 |
1,08 |
1,66 |
0,99 |
1,79 |
0,90 |
1,92 |
|
|
|
|
|
|
|
|
|
|
|
|
1,27 |
1,45 |
1,19 |
1,55 |
1,10 |
1,66 |
1,01 |
1,78 |
0,93 |
1,90 |
|
|
|
|
|
|
|
|
|
|
|
|
1,29 |
1,45 |
1,21 |
1,55 |
1,12 |
1,66 |
1,04 |
1,77 |
0,95 |
1,89 |
|
|
|
|
|
|
|
|
|
|
|
|
1,30 |
1,46 |
1,22 |
1,55 |
1,14 |
1,65 |
1,06 |
1,76 |
0,98 |
1,88 |
|
|
|
|
|
|
|
|
|
|
|
|
1,32 |
1,47 |
1,24 |
1,56 |
1,16 |
1,65 |
1,08 |
1,76 |
0,01 |
1,86 |
|
|
|
|
|
|
|
|
|
|
|
|
1,33 |
1,48 |
1,26 |
1,56 |
1,18 |
1,65 |
1,10 |
1,75 |
1,03 |
1,85 |
|
|
|
|
|
|
|
|
|
|
|
|
1,34 |
1,48 |
1,27 |
1,56 |
1,20 |
1,65 |
1,12 |
1,74 |
1,05 |
1,84 |
|
|
|
|
|
|
|
|
|
|
|
|
1,35 |
1,49 |
1,28 |
1,57 |
1,21 |
1,65 |
1,14 |
1,74 |
1,07 |
1,83 |
|
|
|
|
|
|
|
|
|
|
|
|
1,36 |
1,50 |
1,30 |
1,57 |
1,23 |
1,65 |
1,16 |
1,74 |
1,09 |
1,83 |
|
|
|
|
|
|
|
|
|
|
|
|
1,37 |
1,50 |
1,31 |
1,57 |
1,24 |
1,65 |
1,18 |
1,73 |
1,11 |
1,82 |
|
|
|
|
|
|
|
|
|
|
|
|
1,38 |
1,51 |
1,32 |
1,58 |
1,26 |
1,65 |
1,19 |
1,73 |
1,13 |
1,81 |
|
|
|
|
|
|
|
|
|
|
|
|
1,39 |
1,51 |
1,33 |
1,58 |
1,27 |
1,65 |
1,21 |
1,73 |
1,15 |
1,81 |
|
|
|
|
|
|
|
|
|
|
|
|
193