- •Тема: Регрессионный анализ в ппп statistiса.
- •Порядок выполнения индивидуального задания
- •Оценка коэффициентов множественной корреляции (детерминации).
- •Оценка статистической надежности полученного уравнения регрессии.
- •Построить уравнение множественной регрессии.
- •Произвести тестирование статистических гипотез о значимости отдельных коэффициентов регрессии. (2 способа).
Построить уравнение множественной регрессии.
Свободный член и коэффициенты регрессии представлены в графе В a0=1,835; а1=0,946; а2=0,086. При этом уравнение множественной регрессии примет вид: y =1,835+0,946*х1+ 0,086*x2.
Произвести тестирование статистических гипотез о значимости отдельных коэффициентов регрессии. (2 способа).
Выполнить проверку нулевой гипотезы H0 о равенстве нулю некоторого коэффициента регрессионного уравнения (H0: βi=0).
СПОСОБЫ:
B |
t(12) |
p |
|
1 способ |
2 способ |
t(T) |
|
-64,6485 |
-0,125354 |
0,902319 |
0,05 |
ЛОЖЬ |
ЛОЖЬ |
2,178813 |
коэффициент не значим на уровне 0,05 |
3,5039 |
0,136796 |
0,893460 |
0,05 |
ЛОЖЬ |
ЛОЖЬ |
2,178813 |
коэффициент не значим на уровне 0,05 |
63,0379 |
2,290479 |
0,040896 |
0,05 |
ИСТИНА |
ИСТИНА |
2,178813 |
коэффициент значим на уровне 0,05 |
|
|
|
|
P<0.05 |
t(17)>t(T) |
|
|
Анализ линейных коэффициентов парной и частной корреляции.
Матрица линейных коэффициентов парной корреляции
А
Матрица линейных коэффициентов частной корреляции
Б
Частные коэффициенты (или индексы) корреляции, измеряющие влияние на y фактора xi , при элиминировании (исключении влияния) других факторов.
Анализ А
Коэффициенты парной корреляции мы уже нашли:
|
y |
|
|
|
x1 |
0,948364 |
0,5 |
ЛОЖЬ |
очень тесная связь фактора x1 с результатом |
x2 |
0,964308 |
0,5 |
ЛОЖЬ |
очень тесная связь фактора x2 с результатом |
y |
1,000000 |
|
|
|
|
|
|
Ryxi<0.5 |
Если ИСТИНА, то исключить xi Если ЛОЖЬ, нет исключения |
|
x1 |
x2 |
x1 |
1,000000 |
0,981386 |
x2 |
0,981386 |
1,000000 |
ryx1=0,95<ryx2=0.96, rx1x2=0.98>0.8.
Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы x1 и x2 явно коллинеарны, т.к. rx1x2=0.98>0.8). При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения. Исключить х1.
Анализ Б
Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии. При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:
ryx1/x2=0.73,
ryx2/x1=0.32.
Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.
|
Partial |
|
|
x1 |
0,039459 |
ryx1/x2 |
влияние на y фактора x1 , при элиминировании (исключении влияния) факторов x2 |
x2 |
0,551542 |
ryx2/x1 |
влияние на y фактора x2 , при элиминировании (исключении влияния) факторов x1 |
Этот факт также говорит в пользу исключения фактора х1 из модели.
7. Оценить коэффициенты линейной множественной корреляции (детерминации) представлены.
связи между признаками. Качественная оценка тесноты связи дается с помощью
шкалы Чедока.
Показатель тесноты связи |
0,1-0,3 |
0,3-0,5 |
0,5-0,7 |
0,7-0,9 |
0,9-0,99 |
1,0 |
Характеристика связи |
Слабая |
Умеренная |
Заметная |
Тесная |
Очень тесная |
Функциональная |
Источник: Балинова B.C. Статистика в вопросах и ответах: Учеб. пособие. — М.: ТК. Велби, Изд-во Проспект, 2004. — 344 с.
R |
0,9644 |
очень тесная связь факторных признаков с результативным. |
R^2 |
0,9300 |
93,00 % вариации зависимой переменной (у) объясняется вариацией независимых переменных (х1, х2). |
R^2 норм |
0,9183 |
значительно отличается от R^2, что свидетельствует о наличии незначимого коэффициента в уравнении модели |
Оценим статистическую надежность полученного уравнения множественной регрессии с помощью общего F-критерия, который проверяет нулевую гипотезу о статистической незначимости параметров построенного регрессионного уравнения и показателя тесноты связи (Н0: а0= a1=a2=0, =0).
F(2,12) |
79,7128 |
1 способ |
3,885294 |
ИСТИНА |
уравнение регрессии значимо в целом на уровне 0,05 |
F(2,17)>Ft |
|||||
p |
0 |
2 способ |
0,05 |
ИСТИНА |
уравнение регрессии значимо в целом на уровне 0,05 |
p<0.05 |