Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Модель полулогарифмической парной регрессии.






2.2.1. Рассчитаем параметры а и b в регрессии:

уx =а +blnх.

Линеаризуем данное уравнение, обозначив:

z=lnx.

Тогда:

y=a + bz.

Параметры a и b уравнения

= a + bz

определяются методом наименьших квадратов:


Рассчитываем таблицу 2.

Таблица 2

x y z yz z2 y2 Аi
  5, 3 18, 4 1, 668 30, 686 2, 781 338, 56 15, 38 3, 02 16, 42
  15, 1 22, 0 2, 715 59, 723 7, 370 484, 00 25, 75 -3, 75 17, 03
  24, 2 32, 3 3, 186 102, 919 10, 153 1043, 29 30, 42 1, 88 5, 83
  7, 1 16, 4 1, 960 32, 146 3, 842 268, 96 18, 27 -1, 87 11, 42
  11, 0 22, 2 2, 398 53, 233 5, 750 492, 84 22, 61 -0, 41 1, 84
  8, 5 21, 7 2, 140 46, 439 4, 580 470, 89 20, 06 1, 64 7, 58
  14, 5 23, 6 2, 674 63, 110 7, 151 556, 96 25, 34 -1, 74 7, 39
  10, 2 18, 5 2, 322 42, 964 5, 393 342, 25 21, 86 -3, 36 18, 17
  18, 6 26, 1 2, 923 76, 295 8, 545 681, 21 27, 81 -1, 71 6, 55
  19, 7 30, 2 2, 981 90, 015 8, 884 912, 04 28, 38 1, 82 6, 03
  21, 3 28, 6 3, 059 87, 479 9, 356 817, 96 29, 15 -0, 55 1, 93
  22, 1 34, 0 3, 096 105, 250 9, 583 1156, 00 29, 52 4, 48 13, 18
  4, 1 14, 2 1, 411 20, 036 1, 991 201, 64 12, 84 1, 36 9, 60
  12, 0 22, 1 2, 485 54, 916 6, 175 488, 41 23, 47 -1, 37 6, 20
  18, 3 28, 2 2, 907 81, 975 8, 450 795, 24 27, 65 0, 55 1, 95
Σ 212, 0 358, 5 37, 924 947, 186 100, 003 9050, 25 358, 50 0, 00 131, 14
Средн. 14, 133 23, 900 2, 528 63, 146 6, 667 603, 350 23, 90 0, 00 8, 74

Разделив на n и решая методом Крамера, получаем формулу для определения b:

Уравнение регрессии:

Z


2.2.2. Оценим тесноту связи между признаками у и х.

Т. к. уравнение у = а + bln x линейно относительно параметров а и b и его линеаризация не была связана с преобразованием зависимой переменной _ у, то теснота связи между переменными у и х, оцениваемая с помощью индекса парной корреляции Rxy, также может быть определена с помощью линейного коэффициента парной корреляции ryz

среднее квадратическое отклонение z:

Значение индекса корреляции близко к 1, следовательно, между переменными у и х наблюдается очень тесная корреляционная связь вида = a + bz.

 

2.2.3. Оценим качество построенной модели.

Определим коэффициент детерминации:

т. е. данная модель объясняет 83, 8% общей вариации результата у, на долю необъясненной вариации приходится 16, 2%.

Следовательно, качество модели высокое.

Найдем величину средней ошибки аппроксимации А i.

Предварительно из уравнения регрессии определим теоретические значения для каждого значения фактора.

Ошибка аппроксимации Аi, i =1…15:

Средняя ошибка аппроксимации:

Ошибка небольшая, качество модели высокое.

2.2.4.Определим средний коэффициент эластичности:

Он показывает, что с увеличением выпуска продукции на 1% затраты на производство увеличиваются в среднем на 0, 414%.

 

2.2.5. Оценим статистическую значимость полученного уравнения.
Проверим гипотезу H0, что выявленная зависимость у от х носит случайный характер, т.е. полученное уравнение статистически незначимо. Примем α =0, 05.

Найдем табличное (критическое) значение F -критерия Фишера:

Найдем фактическое значение F -критерия Фишера:

следовательно, гипотеза H0 отвергается, принимается альтернативная гипотеза H1: с вероятностью 1-α =0, 95 полученное уравнение статистически значимо, связь между переменными x и y неслучайна.

Построим уравнение регрессии на поле корреляции


Поделиться с друзьями:

mylektsii.su - Мои Лекции - 2015-2024 год. (0.007 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал