- •Министерство образования и науки Российской Федерации
- •1. Найдем параметры уравнения линейной регрессии и дадим экономическую интерпретацию коэффициента регрессии.
- •2. Вычислим остатки; найдем остаточную сумму квадратов; оценим дисперсию остатков и построим график остатков.
- •3. Проверим выполнение предпосылок мнк, который включает элементы:
- •5. Вычислим коэффициент детерминации, проверим значимость уравнения регрессии с помощью - критерия Фишера , найдем среднюю относительную ошибку аппроксимации. Сделаем вывод о качестве модели.
- •7. Представим графически фактические и модельные значения y точки прогноза.
- •8. Составить уравнения нелинейной регрессии и построить их графики:
- •9. Для указанных моделей найдем коэффициенты детерминации и средние относительные ошибки аппроксимации и сравним модели по этим характеристикам.
5. Вычислим коэффициент детерминации, проверим значимость уравнения регрессии с помощью - критерия Фишера , найдем среднюю относительную ошибку аппроксимации. Сделаем вывод о качестве модели.
Определим линейный коэффициент парной корреляции по формуле
Рассчитаем коэффициент детерминации:
0,968
Он показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, т.е. определяет, какая доля вариации признака Y учтена в модели и обусловлена влиянием на него факторов.
Чем ближе R2 к 1, тем лучше качество модели.
Вариация результата Y (объема выпуска продукции) на 96,8 % объясняется вариацией фактора X (объемом капиталовложений).
Оценку значимости уравнения регрессии проведем с помощью F-критерия Фишера:
244,869
F>Fтабл.=5.32 для α=0,05; k1=m=1; k2=n-m-1=8
Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т. к. F > Fтабл.
Определим среднюю относительную ошибку аппроксимации:
3,863%
В среднем расчетные значения у для линейной модели отличаются от фактических значений на 3,863%
Так как ошибка аппроксимации данной модели меньше 7%, то это свидетельствует о хорошем качестве модели.
6. Осуществим прогнозирование среднего значения показателя при уровне значимости , если прогнозное значения фактора Х составит 80% от его максимального значения.
Прогнозное значение показателя, если прогнозное значение фактора X составит 80% от его максимального значения 0,8*54,00=43,20, составит:
y прогн =13,89+2,40*43,20=117,64.
Интервальный прогноз:
для степеней свободы и уровня значимости 0,1 равно 1,8595.
Тогда
7. Представим графически фактические и модельные значения y точки прогноза.
Найденное в предыдущем пункте задачи прогнозное значение
= 117,64 будет находиться между верхней границей, равной 117,64+9,974 = 127,6, и нижней границей, равной 117,64-9,974 = 107,7. График исходных данных и результаты моделирования приведены на рис. 2.
Рис.2. Сравнение фактических и модельных значенийY точки прогноза
8. Составить уравнения нелинейной регрессии и построить их графики:
гиперболической;
степенной;
показательной.
Построение гиперболической функции
Уравнение гиперболической функции: у = а + b/х. Произведем линеаризацию модели путем замены Х = 1/х. В результате получим линейное уравнение у = а + b*x. Рассчитаем его параметры:
-3293,9;
198,7616.
Расчеты приведены в таблице 4: Таблица 4.
№ п/п |
x |
y |
Х |
уХ |
Х2 |
у-уср |
(у-уср)2 |
ŷ=a+b*Xi |
ei = yi - ŷ |
1 |
36 |
104 |
0,0278 |
2,8889 |
0,0008 |
-7,4 |
54,76 |
107,26 |
-3,2645 |
2 |
28 |
77 |
0,0357 |
2,7500 |
0,0013 |
-34,4 |
1183,36 |
81,12 |
-4,1224 |
3 |
43 |
117 |
0,0233 |
2,7209 |
0,0005 |
5,6 |
31,36 |
122,16 |
-5,1593 |
4 |
52 |
137 |
0,0192 |
2,6346 |
0,0004 |
25,6 |
655,36 |
135,42 |
1,5826 |
5 |
51 |
143 |
0,0196 |
2,8039 |
0,0004 |
31,6 |
998,56 |
134,18 |
8,8246 |
6 |
54 |
144 |
0,0185 |
2,6667 |
0,0003 |
32,6 |
1062,76 |
137,76 |
6,2365 |
7 |
25 |
82 |
0,0400 |
3,2800 |
0,0016 |
-29,4 |
864,36 |
67,01 |
14,9943 |
8 |
37 |
101 |
0,0270 |
2,7297 |
0,0007 |
-10,4 |
108,16 |
109,74 |
-8,7374 |
9 |
51 |
132 |
0,0196 |
2,5882 |
0,0004 |
20,6 |
424,36 |
134,18 |
-2,1754 |
10 |
29 |
77 |
0,0345 |
2,6552 |
0,0012 |
-34,4 |
1183,36 |
85,18 |
-8,1790 |
Сумма |
406 |
1114 |
0,2652 |
27,7182 |
0,0076 |
|
6566,4 |
1114 |
0,0000 |
Среднее |
40,6 |
111,4 |
0,0265 |
2,7718 |
0,0008 |
|
|
|
|
Получим следующее уравнение гиперболической модели:
y = 198,7616-3293,9/x.
График функции будет иметь следующий вид:
Рис. 3. График гиперболической функции
Построение степенной функции.
Уравнение степенной модели имеет вид: ŷ = a+xb.
Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения: lg ŷ = lg a +b lg x. Результаты расчетов приведены в таблице.
Таблица 5.
Расчет значений для нахождения параметров уравнения степенной регрессии.
№ |
Фактическое Y(t) |
lg (Y) |
Переменная X(t) |
lg(X) |
1 |
104 |
2,017 |
36 |
1,556 |
2 |
77 |
1,886 |
28 |
1,447 |
3 |
117 |
2,068 |
43 |
1,633 |
4 |
137 |
2,137 |
52 |
1,716 |
5 |
143 |
2,155 |
51 |
1,708 |
6 |
144 |
2,158 |
54 |
1,732 |
7 |
82 |
1,914 |
25 |
1,398 |
8 |
101 |
2,004 |
37 |
1,568 |
9 |
132 |
2,121 |
51 |
1,708 |
10 |
77 |
1,886 |
29 |
1,462 |
Итого |
1114,00 |
20,347 |
406,00 |
15,929 |
Средн. знач |
111,40 |
2,035 |
40,60 |
1,593 |
Обозначим Y= lg ŷ, X= lg x, А= lg а. Тогда уравнение примет вид
Y= A+ bX – линейное уравнение регрессии.
На основе произведенных вычислений найдем:
0,8577;
0,6685.
Тогда уравнение регрессии примет вид:
Y=0,6685+0,8577X.
Перейдем к исходным переменным ли у, выполнив потенцирование данного уравнения.
Получим уравнение степенной модели регрессии:
.
График степенной функции будет иметь следующий вид:
Рис.4. График степенной функции
Построение показательной функции.
Уравнение показательной кривой: у =abx . Для построения этой модели необходимо произвести линеаризацию переменных. Для этого осуществим логарифмирование обеих частей уравнения:
lg = lg a + х lg b.
Обозначим: Y = lg , В = lg b, A = lg a.
Получим линейное уравнение регрессии:
Y = А + В*х.
Параметры уравнения находятся по формулам:
0,010;
1,640.
Результаты расчетов для определения параметров уравнения приведены в таблице:
t |
y |
Y |
x |
Yx |
x2 |
|
1 |
104 |
2,0170 |
36 |
72,61 |
1296,00 |
97,7322 |
2 |
77 |
1,8865 |
28 |
52,82 |
784,00 |
81,7160 |
3 |
117 |
2,0682 |
43 |
88,93 |
1849,00 |
114,3016 |
4 |
137 |
2,1367 |
52 |
111,11 |
2704,00 |
139,7974 |
5 |
143 |
2,1553 |
51 |
109,92 |
2601,00 |
136,7045 |
6 |
144 |
2,1584 |
54 |
116,55 |
2916,00 |
146,1948 |
7 |
82 |
1,9138 |
25 |
47,85 |
625,00 |
76,4114 |
8 |
101 |
2,0043 |
37 |
74,16 |
1369,00 |
99,9434 |
9 |
132 |
2,1206 |
51 |
108,15 |
2601,00 |
136,7045 |
10 |
77 |
1,8865 |
29 |
54,71 |
841,00 |
83,5648 |
Итого |
1114,00 |
20,3473 |
406,00 |
836,81285 |
17586,00000 |
1113,0705 |
Среднее значение |
111,4000 |
2,0347 |
40,6000 |
83,6813 |
1758,6000 |
|
Уравнение будет иметь вид:
Y=1,640 + 0,010*X.
Перейдем к исходным переменным х и у, выполнив потенцирование данного уравнения:
График показательной регрессии будет иметь следующий вид:
Рис.5. График показательной функции