big_doc_LKG
.pdfАпроксимація зв’язків багатофакторними регресійними моделями 339
Таблиця 7.1
Процедура розрахунку емпіричної моделі методом Брандона
Спостереження
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
|
|
|
|
|
|
|
1 |
10,3 |
0,15 |
1,63 |
0,2100 |
–0,824 |
0,679 |
–0,170 |
2 |
9,6 |
0,18 |
1,52 |
0,1800 |
–0,745 |
0,555 |
–0,130 |
3 |
8,9 |
0,19 |
1,41 |
0,1500 |
–0,721 |
0,520 |
–0,110 |
4 |
4,7 |
0,44 |
0,75 |
–0,1300 |
–0,357 |
0,127 |
0,050 |
5 |
6,3 |
0,35 |
1,00 |
0,0000 |
–0,456 |
0,208 |
0,000 |
6 |
5,4 |
0,28 |
0,86 |
–0,0700 |
–0,553 |
0,306 |
0,040 |
7 |
6,5 |
0,23 |
1,03 |
0,0128 |
–0,638 |
0,407 |
–0,008 |
8 |
5,1 |
0,36 |
0,81 |
–0,0969 |
–0,444 |
0,197 |
0,043 |
9 |
6,2 |
0,42 |
0,98 |
–0,0088 |
–0,377 |
0,142 |
0,003 |
10 |
5,3 |
0,26 |
0,84 |
–0,0757 |
–0,585 |
0,342 |
0,044 |
11 |
5,8 |
0,23 |
0,92 |
–0,0362 |
–0,638 |
0,407 |
0,023 |
12 |
5,0 |
0,37 |
0,79 |
–0,1024 |
–0,432 |
0,187 |
0,044 |
13 |
5,1 |
0,57 |
0,81 |
–0,0969 |
–0,244 |
0,060 |
0,024 |
14 |
4,3 |
0,37 |
0,68 |
–0,1675 |
–0,432 |
0,187 |
0,072 |
15 |
4,6 |
0,28 |
0,73 |
–0,1367 |
–0,553 |
0,306 |
0,075 |
16 |
6,3 |
0,24 |
1,00 |
0,0000 |
–0,620 |
0,384 |
0,000 |
17 |
7,7 |
0,28 |
1,22 |
0,0864 |
–0,553 |
0,306 |
–0,048 |
|
|
|
|
|
|
|
|
|
107,1 |
|
|
0,2819 |
–9,172 |
5,32 |
–0,048 |
|
|
|
|
|
|
|
|
Будемо апроксимувати залежність добутком степеневих парних функцій. У стовпці 4 записуємо умовний показник . В стовпцях 5–8 записуємо логарифми та і проміжних значень величин, необхідних для обчислення параметрів лінійованої степеневої функції .
Розраховуємо параметри степеневої моделі :
Апроксимація зв’язків багатофакторними регресійними моделями 341
Продовження табл. 7.1
Спостереження
1 |
17 |
18 |
19 |
20 |
21 |
22 |
|
23 |
24 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
0,1506 |
1,415 |
8,915 |
1,386 |
1,920 |
4,0 |
|
16,00 |
0,134 |
|
2 |
0,0102 |
1,289 |
8,120 |
1,480 |
2,190 |
3,3 |
|
10,89 |
0,154 |
|
3 |
0,0941 |
1,242 |
6,825 |
1,075 |
1,160 |
2,6 |
|
6,76 |
0,120 |
|
4 |
–0,1425 |
0,720 |
4,540 |
0,160 |
0,026 |
–1,6 |
|
2,56 |
0,034 |
|
5 |
–0,0906 |
0,811 |
5,114 |
1,186 |
1,400 |
–0,9 |
|
0,81 |
0,188 |
|
6 |
–0,0310 |
0,931 |
5,864 |
–0,466 |
0,217 |
0,2 |
|
0,04 |
0,086 |
|
7 |
–0,0025 |
0,994 |
6,263 |
0,236 |
0,056 |
–0,1 |
|
0,01 |
0,036 |
|
8 |
–0,1004 |
0,793 |
4,999 |
0,100 |
0,010 |
–1,0 |
|
1,00 |
0,019 |
|
9 |
–0,1333 |
0,735 |
4,635 |
1,565 |
2,450 |
–0,5 |
|
0,25 |
0,252 |
|
10 |
–0,0138 |
0,968 |
6,103 |
–0,803 |
0,640 |
–1,3 |
|
1,69 |
0,151 |
|
11 |
–0,0044 |
0,990 |
6,237 |
–0,437 |
0,160 |
–1,2 |
|
1,44 |
0,075 |
|
12 |
–0,0962 |
0,801 |
5,048 |
–0,048 |
0,002 |
–2,0 |
|
4,00 |
0,009 |
|
13 |
–0,2221 |
0,599 |
3,777 |
1,322 |
1,750 |
–1,7 |
|
2,89 |
0,259 |
|
14 |
–0,0372 |
1,090 |
6,867 |
–2,567 |
6,590 |
0,0 |
|
0,00 |
0,596 |
|
15 |
–0,0467 |
0,898 |
5,657 |
–1,057 |
1,120 |
1,4 |
|
1,96 |
0,229 |
|
16 |
0,0186 |
1,043 |
6,570 |
–0,270 |
0,073 |
1,4 |
|
1,96 |
0,042 |
|
17 |
–0,0114 |
0,974 |
6,136 |
1,564 |
2,450 |
1,5 |
|
2,25 |
0,020 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
22,214 |
|
|
52,74 |
0,265 |
|
|
|
|
|
|
|
|
|
|
|
|
Таким чином, отримуємо лінійовану функцію |
|
|
|
|
|
|
||||
|
|
|
|
|
|
. |
|
( ) |
||
В результаті потенціювання отримаємо |
|
|
|
|
. |
|
|
Для подальших обчислень більш зручно користуватися результатом (). Підрахувавши значення , заповнюємо стовпець 9. Взявши антилогарифми від всіх значень цього стовпця, заповнюємо стовпець 10.
Апроксимація зв’язків багатофакторними регресійними моделями 343
7.4.Апроксимація багатофакторних зв’язків на ЕОМ
впакеті STATISTICA
Всі розрахунки виконують на ЕОМ у інтерактивному режимі з використанням модуля MULTIPLE REGRESSION – МНОЖИННА РЕГРЕСІЯ.
7.4.1. Побудова лінійних моделей. |
Побудова моделі зводиться до |
визначення коефіцієнтів , , , , |
полінома (7.3). |
У подальшому для набуття навичок побудови i аналізу регресійної моделі скористаємося даними умовного прикладу, наведеного у системі SТATISTICА. Для розрахунку коефіцієнтів лінійної множинної регресії необхідно виконати наступні дії:
1) відкрити файл даних у модулі MULTIPLE REGRESSION– МНОЖИННА РЕГРЕСІЯ. Після чого на екрані з’явиться діалогове вікно
MULTIPLE REGRESSION – МНОЖИННА РЕГРЕСІЯ (рис. 7.3);
Рис. 7.3. Діалогове вікно процедури побудови множинної регресії
2)у списку MODE – РЕЖИМ діалогового вікна множинної регресії слід вибрати режим STANDARD – СТАНДАРТНИЙ;
3)за допомогою кнопки викликати діалогове вікно вибору змінних для аналізу (рис. 7.4). У лівому списку діалогового вікна слід вибрати залежну змінну (DEPENDENT VAR.). Залежна змінна для аналізу повинна бути тільки одна. У правому списку діалогового вікна слід вибрати незалежні змінні (INDEPENDENT VARIABLE
Апроксимація зв’язків багатофакторними регресійними моделями 345
В цьому вікні даються такі показники:
–коефіцієнт множинної кореляції (Мultiple R);
–коефіцієнт множинної детермінації (R2);
–коефіцієнт при вільному члені (Іntercept – Вільний член);
–стандартна помилка оцінювання регресії (Std. Error of estimate);
–стандартне відхилення оцінки вільного члена (Std. Error);
–розрахункове значення F-критерію Фішера (F);
–число ступенів вільності F-критерію (df);
–рівень значимості (р).
5) у діалоговому вікні результатів розрахунку регресії натиснути
кнопку – ПІДСУМКИ РОЗРАХУНКУ РЕГРЕСІЇ, що призводить до появи на екрані вікна з електронною таблицею результатів розрахунку коефіцієнтів лінійної множинної регресії (рис. 7.6).
Рис. 7.6. Результати розрахунків коефіцієнтів регресії
Рядки цієї електронної таблиці відповідають коефіцієнтам при незалежних змінних та вільному члені рівняння регресії (рядок INTERCEPT – ВІЛЬНИЙ ЧЛЕН). У стовпчику В для відповідних коефіцієнтів вказані їх розрахункові значення. Таким чином, у нашому прикладі рівняння лінійної множинної регресії має наступний вигляд
.
6) якщо необхідно розрахувати коефіцієнти лінійної множинної регресії, рівняння якої не має вільного члену, слід у діалоговому вікні результатів розрахунку (рис. 7.5) натиснути кнопку – ВІДМІНИТИ. На екрані з’являється вікно MODEL DEFINITION – ВИЗНАЧЕН-
НЯ МОДЕЛІ (рис. 7.7)