Задание.

Рабочая таблица

Группы рабочих по полу	Число рабочих	Размер зар.платы (д.е.)
Мужчины (1)	12	22100 + 56200 + 80200+86100+54800+91300+83100+36900+31900+44800+80200+69900
Итого по группе мужчин		737500
Женщины (0)	8	22100 + 36900 + 60200 + 75900 + 31900+68300+44800+54800
Итого по группе женщин		394900
Итого по совокупности	20	1132400

Зависимость уровня заработной платы рабочих от пола

Группы рабочих по полу	Число рабочих	Средний размер зар.платы (д.е.)
Мужчины (1)	12	61458,3
Женщины (0)	8	49362,5
Итого	20	110820,8

Рабочая таблица

Группы рабочих по уровню образования	Число рабочих	Размер зар.платы (д.е.)
0 лет	2	653300; 326650
2 года	7	488900; 69842,9
4 года	5	242300; 48460
6 лет	5	167600; 33520
Итого	20	964100; 48205

1. Постройте аналитические группировки:

Вариант		Число групп
1	Зависимость зарплаты от стажа (опыта)	3
2	Зависимость зарплаты от возраста	3
3	Зависимость прибыли от общего числа абонентов	3
4	Зависимость прибыли от выручки за мобильный трафик	3
5	Зависимость прибыли от затрат на подддержание и обновление программного обеспечения	3
6	Зависимость доходов от основной деятельности от среднесписочной численности работников основного состава	4
7	Зависимость доходов от основной деятельности от средней заработной платы работников основного состава	4
8	Зависимость доходов от основной деятельности от ввода основных фондов	4
9	Зависимость доходов от основной деятельности от среднего количества линий	4
10	Зависимость доходов от основной деятельности от абонентской платы в месяц	4

http://statistiks.ru/zadachi?start=3

2. Определите параметры уравнения многофакторной регрессии, используя функции "Линейн" и "лгрфприбл"

2.1. Уравнение множественной линейной регрессии имеет следующий вид:

y = m1x1 + m2x2 + ... mnxn+ b (в случае нескольких диапазонов значений x),

где зависимое значение y — функция независимого значения x, значения m — коэффициенты, соответствующие каждой независимой переменной x, а b — постоянная. Функция ЛИНЕЙН возвращает массив {mn; mn-1; ...; m1; b}.

2.2. Уравнение множественной регрессии (кривой для " ЛГРФПРИБЛ ") имеет следующий вид:

y = (b*(m1^x1)*(m2^x2)*_) (в случае нескольких значений x),

где зависимые значения y являются функцией независимых значений x. Значения m являются основанием, возводимым в степень x, а значения b постоянны. Функция ЛГРФПРИБЛ возвращает массив {mn; mn-1; ...; m1; b}.

3. Возвратите дополнительную регрессионную статистику (аргументу статистика придайте значение ИСТИНА)

4. Внимательно прочитайте справку по функциям "Линейн" и "лгрфприбл"

Дополнительная регрессионная статистика:

Величина	Описание
se1,se2,...,sen	Стандартные значения ошибок для коэффициентов m1,m2,...,mn.
seb	Стандартное значение ошибки для постоянной b (seb = #Н/Д, если конст имеет значение ЛОЖЬ).
r2	Коэффициент детерминированности. Коэффициент r2 равен ssreg/sstotal (sstotal= ssreg+ ssresid). Сравниваются фактические значения y и значения, получаемые из уравнения прямой; по результатам сравнения вычисляется коэффициент детерминированности, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т. е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминированности равен 0, использовать уравнение регрессии для предсказания значений y не имеет смысла.
sey	Стандартная ошибка для оценки y.
F	F-статистика, или F-наблюдаемое значение. F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайной или нет. F =
df	Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице (для использования функции FРАСПОБР). Для определения уровня надежности модели нужно сравнить значения в таблице с F-статистикой, возвращаемой функцией ЛИНЕЙН. Если Fнабл(расч)>Fкр(табл), то R2 статистически значим (гипотеза об отсутствии связи между исследуемыми показателями отвергается)
ssreg	Регрессионная сумма квадратов.
ssresid	Остаточная сумма квадратов.

На приведенном ниже рисунке показано, в каком порядке возвращается дополнительная регрессионная статистика.