Множественная линейная регрессия
То для коэффициента регрессии b и корреляции гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется (или не принимается) и признается их статистическая значимость и надёжность. Для коэффициента регрессии, а гипотеза Н0 о случайной природе оцениваемых характеристик не отклоняется (или принимается) и признается его статистическая незначимость и ненадёжность. То для коэффициента… Читать ещё >
Множественная линейная регрессия (реферат, курсовая, диплом, контрольная)
№ | s | d | p | q | |
0,35 | 0,29 | 2,02 | 1,33 | ||
0,79 | 0,55 | 1,29 | 1,01 | ||
0,93 | 0,70 | 1,09 | 0,85 | ||
1,50 | 0,41 | 1,68 | 1,20 | ||
0,47 | 0,37 | 0,30 | 1,24 | ||
0,36 | 0,30 | 1,98 | 1,32 | ||
1,08 | 1,03 | 0,87 | 0,56 | ||
1,19 | 1,30 | 0,80 | 0,30 | ||
1,15 | 1,17 | 0,81 | 0,41 | ||
1,10 | 1,06 | 0,84 | 0,54 | ||
0,87 | 0,64 | 1,16 | 0,92 | ||
0,64 | 0,44 | 1,52 | 1,14 | ||
0,66 | 0,46 | 1,47 | 1,13 | ||
0,70 | 0,49 | 1,41 | 1,10 | ||
1,01 | 0,88 | 0,97 | 0,72 | ||
1,01 | 0,91 | 0,93 | 0,71 | ||
1,03 | 0,94 | 0,91 | 0,66 | ||
0,31 | 0,27 | 2,08 | 1,35 | ||
0,32 | 0,28 | 2,05 | 1,33 | ||
0,42 | 0,32 | 1,90 | 1,27 | ||
0,52 | 0,38 | 1,73 | 0,33 | ||
0,50 | 1,40 | 1,79 | 1,23 | ||
0,81 | 0,58 | 1,25 | 0,98 | ||
0,75 | 0,53 | 1,33 | 1,05 | ||
0,98 | 0,80 | 0,99 | 0,76 | ||
0,96 | 0,76 | 1,04 | 0,80 | ||
0,93 | 0,72 | 1,05 | 0,83 | ||
0,86 | 0,61 | 1,18 | 0,94 | ||
0,73 | 0,51 | 1,38 | 1,06 | ||
0,39 | 0,32 | 1,94 | 1,29 | ||
0,45 | 0,34 | 1,83 | 1,26 | ||
0,58 | 0,41 | 1,63 | 1,19 | ||
Задача 1. Множественная линейная регрессия
s — объём продаж товара А, ед. (или спрос);
d — средний доход потребителя, тыс. руб.;
p — цена товара А, руб.;
q — цена товара Б, руб.;
Вычислите описательные статистики. Проверьте характер распределения признаков. При необходимости удалите аномальные наблюдения;
Постройте уравнение множественной регрессии в линейной форме с полным набором факторов, дайте экономическую интерпретацию полученных результатов. Рассчитайте интервальные оценки его коэффициентов и дайте им экономическую интерпретацию;
Дайте сравнительную оценку силы связи факторов с результатом с помощью средних коэффициентов эластичности;
Оцените статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента, сопоставьте результаты t-статистик с интервальными оценками коэффициентов регрессии;
Оцените качество уравнения через среднюю ошибку аппроксимации.
Постройте матрицу парных коэффициентов корреляции. Сделайте вывод о силе связи результата и факторов. Определите критическое значение rкр для выборочных парных коэффициентов корреляции по таблице Фишера-Йетса и проверьте значимость каждого из коэффициентов на уровне значимости a=0,05.
Выберите лучшую факторную переменную из рассмотренных и обоснуйте свой выбор.
Выясните, является ли товар, А высокоэластичным или низкоэластичным? Ценным? Традиционным? Взаимодополняющим или взаимозамещающим по отношению к товару Б?
Решение:
Вычислим описательные статистики
s | d | p | q | ||
Среднее | 0,761 | 0,630 | 1,351 | 0,963 | |
Стандартная ошибка | 0,053 | 0,056 | 0,081 | 0,055 | |
Медиана | 0,77 | 0,54 | 1,31 | 1,03 | |
Мода | 0,93 | 0,41 | #Н/Д | 1,33 | |
Стандартное отклонение | 0,301 | 0,315 | 0,457 | 0,311 | |
Дисперсия выборки | 0,091 | 0,099 | 0,209 | 0,097 | |
Эксцесс | — 0,517 | — 0,061 | — 0,747 | — 0,598 | |
Асимметричность | 0,247 | 0,893 | — 0,041 | — 0,638 | |
Интервал | 1,19 | 1,13 | 1,78 | 1,05 | |
Минимум | 0,31 | 0,27 | 0,3 | 0,3 | |
Максимум | 1,5 | 1,4 | 2,08 | 1,35 | |
Сумма | 24,35 | 20,17 | 43,22 | 30,81 | |
Счет | |||||
Наибольший (1) | 1,5 | 1,4 | 2,08 | 1,35 | |
Наименьший (1) | 0,31 | 0,27 | 0,3 | 0,3 | |
Уровень надежности (95,0%) | 0,109 | 0,114 | 0,165 | 0,112 | |
Коэффициент вариации | 0,396 | 0,499 | 0,339 | 0,323 | |
Коэффициент вариации факторных переменных d и р больше 0,33 значит по данным признакам совокупность не однородна. Коэффициент вариации факторных переменных q меньше 0,33 значит по данным признакам совокупность однородна.
Закон нормального распределения признаков говорит о том, что мода и медиана очень близки друг к другу, такое распределение считается нормальным.
Значения эксцесса отличны от 0, что не удовлетворяет условиям нормального распределения. Но в целях изучения мы проведем исследование.
Значения асимметрии считаются нормальными если они близки к 0. Наиболее близок к этому значению р — цена товара А.
Построим уравнение множественной регрессии в линейной форме с полным набором факторов
Коэффициенты | Стандартная ошибка | t-статистика | ||
s-пересечение | 1,221 | 0,270 | 4,521 | |
Переменная d | 0,201 | 0,172 | 1,169 | |
Переменная p | — 0,219 | 0,114 | — 1,925 | |
Переменная q | — 0,303 | 0,185 | — 1,633 | |
Уравнение регрессии имеет вид:
у = 1,221 + 0,201d — 0,219p — 0,303q
С увеличением дохода потребителей на 1 тыс. руб. объем продаж возрастает на 0,201 руб. С увеличением цены товара, А на 1 руб. объем продаж уменьшается на 0,219 руб. С увеличением цены товара В на 1 руб. объем продаж уменьшается на 0,303 руб.
Рассчитаем интервальные оценки коэффициентов уравнения регрессии.
Коэффициенты | Нижние 95% | Верхние 95% | ||
s-пересечение | 1,221 | 0,668 | 1,775 | |
Переменная d | 0,201 | — 0,151 | 0,552 | |
Переменная p | — 0,219 | — 0,451 | 0,014 | |
Переменная q | — 0,303 | — 0,683 | 0,077 | |
С увеличением дохода потребителей на 1 тыс. руб. объем продаж уменьшается максимум на 0,151 руб. или увеличится как максимум на 0,552. С увеличением цены товара, А на 1 руб. объем продаж уменьшается максимум на 0,451 руб. или увеличится как максимум на 0,014. С увеличением цены товара В на 1 руб. объем продаж уменьшится максимум на 0,683руб или увеличится как максимум на 0,077 руб.
В границы доверительных интервалов всех переменных попадает 0, это свидетельствует о статистической незначимости и ненадежности рассматриваемых коэффициентов.
Вычислим коэффициент эластичности:
То есть с увеличением дохода на 1% от своего среднего уровня, средний объем продаж увеличивается на 0,166% от своего среднего уровня, а с увеличением цены на товар, А на 1% от своего среднего уровня, средний объем продаж уменьшается на 0,389% от своего среднего уровня, а с увеличением цены на товар В на 1% от своего среднего уровня, средний объем продаж уменьшается на 0,383% от своего среднего уровня.
Наиболее сильное влияние на объем продаж оказывает цена товара А, наименьшее доход потребителя.
3. Оценим статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента, сопоставим результаты t-статистик с интервальными оценками коэффициентов регрессии.
Находим наблюдаемое и фактическое значение критерия Фишера
Fтабл(б=0,05)=4,12
Fфакт = 11,988
Fтаблнабл то уравнение в целом статистически значимо и надежно Проверим значимость параметров с помощью критерия Стьюдента
Коэффициенты | t-статистика | ||
s-пересечение | 1,221 | 4,521 | |
Переменная d | 0,201 | 1,169 | |
Переменная p | — 0,219 | — 1,925 | |
Переменная q | — 0,303 | — 1,633 | |
Табличное (критическое) значение статистики Стьюдента | 2,0423 | ||
Найдем tкрит(б=0,05; f=32)=2,0423
tкрит>tнабл для переменных d, р, q значит эти коэффициенты регрессии незначимы и ненадежны.
4. Вычислим среднюю ошибку аппроксимации:
В среднем расчётные значения отличаются от фактических на 15.2%, что превышает допустимые пределы 8%-10%, следовательно, с этой точки зрения можно считать выбор уравнения неудачным.
5. Построим матрицу парных коэффициентов корреляции.
s | d | p | q | ||
s | |||||
d | 0,624 | ||||
p | — 0,663 | — 0,599 | |||
q | — 0,676 | — 0,691 | 0,660 | ||
Проверим значимость коэффициентов корреляции на уровне значимости б=0,05.
Рассчитаем фактические значения критериев по формуле:
Табличное (критическое) значение статистики Стьюдента, определенное на уровне значимости б=0,05 при числе степеней свободы f=32равно:
tкрит(б=0,05; f=32)= 2,0423
s | d | p | q | ||
s | |||||
d | 4,377 | ||||
p | 4,857 | 4,092 | |||
q | 5,028 | 5,242 | 4,809 | ||
По критерию t все коэффициенты значимы.
По матрице коэффициентов видим, что наибольшее влияние на объем продаж оказывает цена товара Б, наименьшее доход потребителя.
Множественный коэффициент корреляции равен R = 0,75, то есть связь между спросом (у) и включенными в модель факторами (х) высокая.
Коэффициент детерминации значит вариация спроса s на 56,2% объясняется вариацией включенных в модель факторов и на 43,8% зависит от других факторов
6. Рассчитаем значения коэффициентов детерминации R2 объясняющих переменных по всем остальным переменным, то есть в качестве зависимой переменной выбираем последовательно все переменные: s, d, p, q все остальные объясняющие переменные в качестве независимых.
Зависимая переменная | Независимая переменные | R2 | R | |
s | d, p, q | 0,562 | 0,75 | |
d | s, p, q | 0,537 | 0,733 | |
p | d, s, q, | 0,536 | 0,732 | |
q | d, p, s, | 0,61 | 0,781 | |
Анализ оценок детерминации показал наличие тесной связи между объясняющей переменной q и всеми остальными признаками.
Лучшая факторная переменная q так как от нее в большей степени зависит изменение s.
Эластичность по модулю больше 1 значит товар высокоэластичный.
Товары, А и Б могут являться взаимодополняемыми, но не являются взаимозаменяемыми так как коэффициенты эластичности изменяются однонаправлено, так как все коэффициенты регрессии показывают, что связь между ценой товара, А и остальными факторами сильная, то товар традиционен, и так как коэффициенты эластичности по модулю меньше 1 значит товар не ценен.
Задача 2. Парная регрессия
уравнение регрессия линейный корреляция Примите за результативную переменную — переменную, рассмотренную в задаче 1, а за факторную переменную — лучшую факторную переменную, выбранную в задаче 1.
Постройте поле корреляции и сформулируйте гипотезу о форме связи.
Рассчитайте параметры уравнения линейной регрессии и нанесите его на поле корреляции.
Оцените тесноту связи с помощью показателей корреляции и детерминации.
Дайте с помощью среднего коэффициента эластичности сравнительную оценку силы связи фактора с результатом.
Оцените с помощью средней ошибки аппроксимации качество уравнения.
С помощью t-критерия Стьюдента оцените статистическую надёжность показателей регрессионного моделирования.
С помощью F-критерия Фишера оцените статистическую надёжность результатов регрессионного моделирования.
Проверьте разложение общей суммы квадратов отклонений зависимой переменной у от своего среднего значения (ТSS) на два слагаемых — «объяснённую» (или регрессионную) сумму квадратов отклонений (ЕSS) и «необъяснённую» (или остаточную) сумму квадратов отклонений (RSS).
Рассчитайте параметры уравнений:
степенной регрессии;
экспоненциальной (показательной) регрессии;
полулогарифмической регрессии;
Каждое из построенных уравнений нанесите на поле корреляции и для него:
Оцените тесноту связи с помощью показателей корреляции и детерминации.
Дайте с помощью среднего (общего) коэффициента эластичности сравнительную оценку силы связи фактора с результатом.
Оцените с помощью средней ошибки аппроксимации качество уравнения.
С помощью t-критерия Стьюдента оцените статистическую надёжность показателей регрессионного моделирования.
С помощью F-критерия Фишера оцените статистическую надёжность результатов регрессионного моделирования.
Проверьте разложение общей суммы квадратов отклонений зависимой переменной у от своего среднего значения (ТSS) на два слагаемых — «объяснённую» (или регрессионную) сумму квадратов отклонений (ЕSS) и «необъяснённую» (или остаточную) сумму квадратов отклонений (RSS).
Результаты вычислений внесите в сводную таблицу.
По значениям характеристик выберите лучшее уравнение регрессии и дайте его обоснование.
Рассчитайте прогнозное значение результата, если прогнозное значение фактора увеличится на 5% от его среднего уровня.
Определите доверительный интервал прогноза для уровня значимости б=0,05.
№ | Объем продаж, ед. y | Цена товара, руб. x | |
0,35 | 1,33 | ||
0,79 | 1,01 | ||
0,93 | 0,85 | ||
1,50 | 1,20 | ||
0,47 | 1,24 | ||
0,36 | 1,32 | ||
1,08 | 0,56 | ||
1,19 | 0,30 | ||
1,15 | 0,41 | ||
1,10 | 0,54 | ||
0,87 | 0,92 | ||
0,64 | 1,14 | ||
0,66 | 1,13 | ||
0,70 | 1,10 | ||
1,01 | 0,72 | ||
1,01 | 0,71 | ||
1,03 | 0,66 | ||
0,31 | 1,35 | ||
0,32 | 1,33 | ||
0,42 | 1,27 | ||
0,52 | 0,33 | ||
0,50 | 1,23 | ||
0,81 | 0,98 | ||
0,75 | 1,05 | ||
0,98 | 0,76 | ||
0,96 | 0,80 | ||
0,93 | 0,83 | ||
0,86 | 0,94 | ||
0,73 | 1,06 | ||
0,39 | 1,29 | ||
0,45 | 1,26 | ||
0,58 | 1,19 | ||
Решение:
Строим поле корреляции:
2. Предположим, что между х и у связь линейная, тогда уравнение регрессии имеет вид: yх=а+bx. Для нахождения его параметров составим расчётную таблицу 1:
yх= 1,393 — 0,656х — уравнение линейной регрессии.
Итак, с увеличением цены товара на 1 руб. средний объем продаж уменьшается в среднем на 0,656 руб.
Таблица 1. Расчётная таблица
у | х | у2 | х2 | xy | yх | y-yх | (y-yх)2 | yх -`y | (yх -`y)2 | у -`y | (у -`y)2 | |||
0,35 | 1,33 | 0,123 | 1,769 | 0,466 | 0,521 | — 0,171 | 0,029 | — 0,240 | 0,058 | — 0,411 | 0,169 | 0,487 | ||
0,79 | 1,01 | 0,624 | 1,020 | 0,798 | 0,730 | 0,060 | 0,004 | — 0,031 | 0,001 | 0,029 | 0,001 | 0,075 | ||
0,93 | 0,85 | 0,865 | 0,723 | 0,791 | 0,835 | 0,095 | 0,009 | 0,074 | 0,006 | 0,169 | 0,029 | 0,102 | ||
1,5 | 1,2 | 2,250 | 1,440 | 1,800 | 0,606 | 0,894 | 0,800 | — 0,155 | 0,024 | 0,739 | 0,546 | 0,596 | ||
0,47 | 1,24 | 0,221 | 1,538 | 0,583 | 0,580 | — 0,110 | 0,012 | — 0,181 | 0,033 | — 0,291 | 0,085 | 0,233 | ||
0,36 | 1,32 | 0,130 | 1,742 | 0,475 | 0,527 | — 0,167 | 0,028 | — 0,234 | 0,055 | — 0,401 | 0,161 | 0,464 | ||
1,08 | 0,56 | 1,166 | 0,314 | 0,605 | 1,026 | 0,054 | 0,003 | 0,265 | 0,070 | 0,319 | 0,102 | 0,050 | ||
1,19 | 0,3 | 1,416 | 0,090 | 0,357 | 1,196 | — 0,006 | 0,000 | 0,435 | 0,189 | 0,429 | 0,184 | 0,005 | ||
1,15 | 0,41 | 1,323 | 0,168 | 0,472 | 1,124 | 0,026 | 0,001 | 0,363 | 0,132 | 0,389 | 0,151 | 0,023 | ||
1,1 | 0,54 | 1,210 | 0,292 | 0,594 | 1,039 | 0,061 | 0,004 | 0,278 | 0,077 | 0,339 | 0,115 | 0,056 | ||
0,87 | 0,92 | 0,757 | 0,846 | 0,800 | 0,789 | 0,081 | 0,006 | 0,028 | 0,001 | 0,109 | 0,012 | 0,093 | ||
0,64 | 1,14 | 0,410 | 1,300 | 0,730 | 0,645 | — 0,005 | 0,000 | — 0,116 | 0,013 | — 0,121 | 0,015 | 0,008 | ||
0,66 | 1,13 | 0,436 | 1,277 | 0,746 | 0,652 | 0,008 | 0,000 | — 0,109 | 0,012 | — 0,101 | 0,010 | 0,013 | ||
0,7 | 1,1 | 0,490 | 1,210 | 0,770 | 0,671 | 0,029 | 0,001 | — 0,090 | 0,008 | — 0,061 | 0,004 | 0,041 | ||
1,01 | 0,72 | 1,020 | 0,518 | 0,727 | 0,921 | 0,089 | 0,008 | 0,160 | 0,025 | 0,249 | 0,062 | 0,088 | ||
1,01 | 0,71 | 1,020 | 0,504 | 0,717 | 0,927 | 0,083 | 0,007 | 0,166 | 0,028 | 0,249 | 0,062 | 0,082 | ||
1,03 | 0,66 | 1,061 | 0,436 | 0,680 | 0,960 | 0,070 | 0,005 | 0,199 | 0,040 | 0,269 | 0,072 | 0,068 | ||
0,31 | 1,35 | 0,096 | 1,823 | 0,419 | 0,507 | — 0,197 | 0,039 | — 0,254 | 0,064 | — 0,451 | 0,203 | 0,637 | ||
0,32 | 1,33 | 0,102 | 1,769 | 0,426 | 0,521 | — 0,201 | 0,040 | — 0,240 | 0,058 | — 0,441 | 0,194 | 0,627 | ||
0,42 | 1,27 | 0,176 | 1,613 | 0,533 | 0,560 | — 0,140 | 0,020 | — 0,201 | 0,040 | — 0,341 | 0,116 | 0,333 | ||
0,52 | 0,33 | 0,270 | 0,109 | 0,172 | 1,177 | — 0,657 | 0,431 | 0,416 | 0,173 | — 0,241 | 0,058 | 1,263 | ||
0,5 | 1,23 | 0,250 | 1,513 | 0,615 | 0,586 | — 0,086 | 0,007 | — 0,175 | 0,031 | — 0,261 | 0,068 | 0,172 | ||
0,81 | 0,98 | 0,656 | 0,960 | 0,794 | 0,750 | 0,060 | 0,004 | — 0,011 | 0,000 | 0,049 | 0,002 | 0,074 | ||
0,75 | 1,05 | 0,563 | 1,103 | 0,788 | 0,704 | 0,046 | 0,002 | — 0,057 | 0,003 | — 0,011 | 0,000 | 0,061 | ||
0,98 | 0,76 | 0,960 | 0,578 | 0,745 | 0,894 | 0,086 | 0,007 | 0,133 | 0,018 | 0,219 | 0,048 | 0,087 | ||
0,96 | 0,8 | 0,922 | 0,640 | 0,768 | 0,868 | 0,092 | 0,008 | 0,107 | 0,011 | 0,199 | 0,040 | 0,096 | ||
0,93 | 0,83 | 0,865 | 0,689 | 0,772 | 0,849 | 0,081 | 0,007 | 0,088 | 0,008 | 0,169 | 0,029 | 0,088 | ||
0,86 | 0,94 | 0,740 | 0,884 | 0,808 | 0,776 | 0,084 | 0,007 | 0,015 | 0,000 | 0,099 | 0,010 | 0,097 | ||
0,73 | 1,06 | 0,533 | 1,124 | 0,774 | 0,698 | 0,032 | 0,001 | — 0,063 | 0,004 | — 0,031 | 0,001 | 0,044 | ||
0,39 | 1,29 | 0,152 | 1,664 | 0,503 | 0,547 | — 0,157 | 0,025 | — 0,214 | 0,046 | — 0,371 | 0,138 | 0,402 | ||
0,45 | 1,26 | 0,203 | 1,588 | 0,567 | 0,566 | — 0,116 | 0,014 | — 0,195 | 0,038 | — 0,311 | 0,097 | 0,259 | ||
0,58 | 1,19 | 0,336 | 1,416 | 0,690 | 0,612 | — 0,032 | 0,001 | — 0,149 | 0,022 | — 0,181 | 0,033 | 0,056 | ||
Итого | 24,350 | 30,810 | 21,345 | 32,656 | 21,482 | 24,365 | 1,528 | 1,288 | 2,816 | 6,779 | ||||
в среднем | 0,761 | 0,963 | 0,667 | 1,021 | 0,671 | 0,761 | RSS | ESS | TSS | 0,212 | ||||
2. Рассчитаем коэффициент парной корреляции:
то есть связь между средними затратами на продукты питания (у) и ценой товара (х) средняя.
Определим коэффициент детерминации:
Итак, 45,7% вариации средних объемов продаж объясняется вариацией доходов и на 64,3% зависит от других факторов.
3. Вычислим среднюю ошибку аппроксимации:
В среднем расчётные значения отличаются от фактических на 21,2%, что превышает допустимые пределы 8%-10%, следовательно, с этой точки зрения можно считать выбор уравнения не удачным.
4. Вычислим коэффициент эластичности:
То есть с увеличением средней цены товара на 1% от своего среднего уровня, средние объемы продаж уменьшаются на 0,83% от своего среднего уровня, а с уменьшением средней цены товара на 1% от своего среднего уровня, средние объемы продаж увеличиваются на 0,83% от своего среднего уровня.
5. Проверим значимость коэффициентов регрессии и корреляции с помощью t — критерия Стьюдента.
Выдвигаем гипотезы:
Н0: коэффициенты уравнения и показатель тесноты связи незначимы (Н0: a=0; b=0; rху=0);
Н1: коэффициенты уравнения и показатель тесноты связи значимы (Н1: a?0; b?0; rху?0).
Вычислим случайные ошибки параметров линейной регрессии и коэффициента корреляции:
По таблице критических точек распределения Стьюдента находим
tтабл(a; n-m-1)=tтабл(0,05; 32)= 2,0423.
Так как
tb>tтабл (5,05>2,0423);
taтабл (1,847<2,0423);
tRxy>tтабл (5,05>2,0423);
то для коэффициента регрессии b и корреляции гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется (или не принимается) и признается их статистическая значимость и надёжность. Для коэффициента регрессии, а гипотеза Н0 о случайной природе оцениваемых характеристик не отклоняется (или принимается) и признается его статистическая незначимость и ненадёжность.
6. Проверим значимость уравнения регрессии с помощью F-критерия Фишера.
Выдвигаем гипотезы:
Н0: уравнение регрессии в целом незначимо; Н1: уравнение регрессии в целом значимо;
Находим наблюдаемое значение критерия:
По таблице приложения находим критическое значение критерия: Fтабл=4,17 где F (a; m; n-m-1)=F (0,05; 1; 32)=4,17. Так как Fфакт>Fтабл (25,2>4,17), то гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется (или не принимается) и признается их статистическая значимость и надёжность.
7. Тождество выполняется:
Нанесём полученное уравнение на поле корреляции:
Предположим, что между х и у связь степенная, тогда уравнение регрессии имеет вид: yх=а· xb.
Построению степенной модели предшествует процедура линеаризации переменных. Линеаризация переменных производится путём логарифмирования обеих частей уравнения: lny=lnа+b· lnx, тогда Y=А+b· X, где Y=lny; X=lnx; А=lna.
Составим расчётную таблицу 2.
По методу наименьших квадратов (МНК) из решения системы:
уравнение парной линейной регрессии Y на X имеет вид:
YX = -0,425 — 0,638X
Выполнив его потенцирование, получим:
yх=е-0,425· х -0,638 или yх= 0,656 · х -0,638
Рассчитаем индекс корреляции:
то есть связь между средними объемами продаж (у) и ценой товара (х) средняя.
Определим индекс детерминации:
Итак, 35,8% вариации средних объемов продаж объясняется вариацией среднего дохода потребителя и 64,2% зависит от других факторов.
Вычислим среднюю ошибку аппроксимации:
В среднем расчётные значения отличаются от фактических на 325,7%, что превышает допустимые пределы 8%-10%, следовательно, с этой точки зрения можно считать выбор уравнения неудачным.
Вычислим коэффициент эластичности:
То есть с увеличением цены товара на 1% от своего среднего уровня, средние объемы продаж уменьшаются на 0,638% от своего среднего уровня, а с уменьшением цены товара на 1% от своего среднего уровня, средние объемы продаж увеличиваются на 0,638% от своего среднего уровня.
Проверим значимость коэффициентов регрессии и корреляции с помощью t — критерия Стьюдента.
Выдвигаем гипотезы:
Н0: коэффициенты уравнения и показатель тесноты связи незначимы (Н0: a=0; b=0; rху=0);
Н1: коэффициенты уравнения и показатель тесноты связи значимы (Н1: a?0; b?0; rху?0).
Вычислим случайные ошибки параметров линейной регрессии и коэффициента корреляции:
По таблице критических точек распределения Стьюдента находим
tтабл(a; n-m-1)=tтабл(0,05; 32)= 2,0423.
Так как
tb>tтабл (4,09>2,0423);
taтабл (1,164<2,0423);
tRxy>tтабл (4,096>2,0423);
то для коэффициента регрессии b и корреляции гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется (или не принимается) и признается их статистическая значимость и надёжность. Для коэффициента регрессии, а гипотеза Н0 о случайной природе оцениваемых характеристик не отклоняется (или принимается) и признается его статистическая незначимость и ненадёжность.
Проверим значимость уравнения регрессии с помощью F — критерия Фишера.
Выдвигаем гипотезы:
Н0: уравнение регрессии незначимо;
Н1: уравнение регрессии значимо;
Находим наблюдаемое значение критерия:
По таблице приложения находим критическое значение критерия: Fтабл=4,17 где F (a; m; n-m-1)=F (0,05; 1; 32)=4,17.
Так как Fфакт>Fтабл (16,729>4,17) то гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.
Тождество выполняется:
Нанесём полученное уравнение на поле корреляции:
Предположим, что между х и у связь показательная, тогда уравнение регрессии имеет вид: yх=а· bx.
Построению показательной модели предшествует процедура линеаризации переменных. Линеаризация переменных производится путём логарифмирования обеих частей уравнения: lny=lnа+x· lnb, тогда Y=А+B· x, где Y=lny; B=lnb; А=lna. Составим расчётную таблицу 2.
y | x | У=lny | X=lnx | XY | Y2 | X2 | YX | YYX | (YYX)2 | |||||||
0,35 | 1,33 | — 1,050 | 0,285 | — 0,299 | 1,102 | 0,081 | — 0,607 | — 0,443 | 0,196 | — 0,249 | 0,062 | — 0,692 | 0,479 | 0,422 | ||
0,79 | 1,01 | — 0,236 | 0,010 | — 0,002 | 0,056 | 0,000 | — 0,431 | 0,196 | 0,038 | — 0,073 | 0,005 | 0,122 | 0,015 | 0,830 | ||
0,93 | 0,85 | — 0,073 | — 0,163 | 0,012 | 0,005 | 0,026 | — 0,321 | 0,249 | 0,062 | 0,037 | 0,001 | 0,285 | 0,081 | 3,428 | ||
1,5 | 1,2 | 0,405 | 0,182 | 0,074 | 0,164 | 0,033 | — 0,541 | 0,947 | 0,896 | — 0,183 | 0,034 | 0,763 | 0,583 | 2,335 | ||
0,47 | 1,24 | — 0,755 | 0,215 | — 0,162 | 0,570 | 0,046 | — 0,562 | — 0,193 | 0,037 | — 0,204 | 0,042 | — 0,397 | 0,158 | 0,255 | ||
0,36 | 1,32 | — 1,022 | 0,278 | — 0,284 | 1,044 | 0,077 | — 0,602 | — 0,420 | 0,176 | — 0,244 | 0,060 | — 0,664 | 0,440 | 0,411 | ||
1,08 | 0,56 | 0,077 | — 0,580 | — 0,045 | 0,006 | 0,336 | — 0,055 | 0,132 | 0,017 | 0,303 | 0,092 | 0,435 | 0,189 | 1,716 | ||
1,19 | 0,3 | 0,174 | — 1,204 | — 0,209 | 0,030 | 1,450 | 0,343 | — 0,169 | 0,029 | 0,701 | 0,492 | 0,532 | 0,283 | 0,973 | ||
1,15 | 0,41 | 0,140 | — 0,892 | — 0,125 | 0,020 | 0,795 | 0,144 | — 0,004 | 0,000 | 0,502 | 0,252 | 0,498 | 0,248 | 0,029 | ||
1,1 | 0,54 | 0,095 | — 0,616 | — 0,059 | 0,009 | 0,380 | — 0,032 | 0,127 | 0,016 | 0,326 | 0,106 | 0,453 | 0,205 | 1,334 | ||
0,87 | 0,92 | — 0,139 | — 0,083 | 0,012 | 0,019 | 0,007 | — 0,372 | 0,233 | 0,054 | — 0,014 | 0,000 | 0,219 | 0,048 | 1,670 | ||
0,64 | 1,14 | — 0,446 | 0,131 | — 0,058 | 0,199 | 0,017 | — 0,509 | 0,062 | 0,004 | — 0,151 | 0,023 | — 0,088 | 0,008 | 0,140 | ||
0,66 | 1,13 | — 0,416 | 0,122 | — 0,051 | 0,173 | 0,015 | — 0,503 | 0,087 | 0,008 | — 0,145 | 0,021 | — 0,058 | 0,003 | 0,000 | ||
0,7 | 1,1 | — 0,357 | 0,095 | — 0,034 | 0,127 | 0,009 | — 0,486 | 0,129 | 0,017 | — 0,128 | 0,016 | 0,001 | 0,000 | 0,362 | ||
1,01 | 0,72 | 0,010 | — 0,329 | — 0,003 | 0,000 | 0,108 | — 0,215 | 0,225 | 0,051 | 0,143 | 0,020 | 0,368 | 0,135 | 22,649 | ||
1,01 | 0,71 | 0,010 | — 0,342 | — 0,003 | 0,000 | 0,117 | — 0,206 | 0,216 | 0,047 | 0,152 | 0,023 | 0,368 | 0,135 | 21,752 | ||
1,03 | 0,66 | 0,030 | — 0,416 | — 0,012 | 0,001 | 0,173 | — 0,160 | 0,189 | 0,036 | 0,198 | 0,039 | 0,388 | 0,150 | 6,410 | ||
0,31 | 1,35 | — 1,171 | 0,300 | — 0,351 | 1,372 | 0,090 | — 0,616 | — 0,555 | 0,308 | — 0,258 | 0,067 | — 0,813 | 0,661 | 0,474 | ||
0,32 | 1,33 | — 1,139 | 0,285 | — 0,325 | 1,298 | 0,081 | — 0,607 | — 0,532 | 0,284 | — 0,249 | 0,062 | — 0,781 | 0,611 | 0,467 | ||
0,42 | 1,27 | — 0,868 | 0,239 | — 0,207 | 0,753 | 0,057 | — 0,577 | — 0,290 | 0,084 | — 0,219 | 0,048 | — 0,510 | 0,260 | 0,334 | ||
0,52 | 0,33 | — 0,654 | — 1,109 | 0,725 | 0,428 | 1,229 | 0,282 | — 0,936 | 0,877 | 0,640 | 0,410 | — 0,296 | 0,088 | 1,432 | ||
0,5 | 1,23 | — 0,693 | 0,207 | — 0,143 | 0,480 | 0,043 | — 0,557 | — 0,136 | 0,019 | — 0,199 | 0,040 | — 0,335 | 0,112 | 0,196 | ||
0,81 | 0,98 | — 0,211 | — 0,020 | 0,004 | 0,044 | 0,000 | — 0,412 | 0,201 | 0,041 | — 0,054 | 0,003 | 0,147 | 0,022 | 0,956 | ||
0,75 | 1,05 | — 0,288 | 0,049 | — 0,014 | 0,083 | 0,002 | — 0,456 | 0,168 | 0,028 | — 0,098 | 0,010 | 0,070 | 0,005 | 0,586 | ||
0,98 | 0,76 | — 0,020 | — 0,274 | 0,006 | 0,000 | 0,075 | — 0,250 | 0,230 | 0,053 | 0,108 | 0,012 | 0,338 | 0,114 | 11,370 | ||
0,96 | 0,8 | — 0,041 | — 0,223 | 0,009 | 0,002 | 0,050 | — 0,283 | 0,242 | 0,058 | 0,075 | 0,006 | 0,317 | 0,101 | 5,924 | ||
0,93 | 0,83 | — 0,073 | — 0,186 | 0,014 | 0,005 | 0,035 | — 0,306 | 0,234 | 0,055 | 0,052 | 0,003 | 0,285 | 0,081 | 3,218 | ||
0,86 | 0,94 | — 0,151 | — 0,062 | 0,009 | 0,023 | 0,004 | — 0,386 | 0,235 | 0,055 | — 0,028 | 0,001 | 0,207 | 0,043 | 1,556 | ||
0,73 | 1,06 | — 0,315 | 0,058 | — 0,018 | 0,099 | 0,003 | — 0,462 | 0,147 | 0,022 | — 0,104 | 0,011 | 0,043 | 0,002 | 0,469 | ||
0,39 | 1,29 | — 0,942 | 0,255 | — 0,240 | 0,887 | 0,065 | — 0,587 | — 0,354 | 0,125 | — 0,229 | 0,053 | — 0,584 | 0,341 | 0,376 | ||
0,45 | 1,26 | — 0,799 | 0,231 | — 0,185 | 0,638 | 0,053 | — 0,572 | — 0,226 | 0,051 | — 0,214 | 0,046 | — 0,441 | 0,194 | 0,283 | ||
0,58 | 1,19 | — 0,545 | 0,174 | — 0,095 | 0,297 | 0,030 | — 0,536 | — 0,009 | 0,000 | — 0,178 | 0,032 | — 0,187 | 0,035 | 0,016 | ||
итого | 24,350 | 30,810 | — 11,459 | — 3,382 | — 2,062 | 9,933 | 5,490 | — 11,442 | 3,743 | 2,089 | 5,830 | 92,371 | ||||
в среднем | 0,761 | 0,963 | — 0,358 | — 0,106 | — 0,064 | 0,310 | 0,172 | — 0,358 | RSS | ESS | TSS | 3,257 | ||||
Таблица 2. Расчётная таблица
Y | x | xY | Y2 | x2 | Yх | YYх | (YYх)2 | |||||
— 1,050 | 1,33 | — 1,396 | 1,102 | 1,769 | — 0,720 | — 0,329 | 0,314 | 0,109 | — 0,692 | 0,479 | ||
— 0,236 | 1,01 | — 0,238 | 0,056 | 1,020 | — 0,405 | 0,169 | 0,718 | 0,029 | 0,122 | 0,015 | ||
— 0,073 | 0,85 | — 0,062 | 0,005 | 0,723 | — 0,247 | 0,175 | 2,405 | 0,030 | 0,285 | 0,081 | ||
0,405 | 1,2 | 0,487 | 0,164 | 1,440 | — 0,592 | 0,998 | 2,461 | 0,995 | 0,763 | 0,583 | ||
— 0,755 | 1,24 | — 0,936 | 0,570 | 1,538 | — 0,632 | — 0,123 | 0,163 | 0,015 | — 0,397 | 0,158 | ||
— 1,022 | 1,32 | — 1,349 | 1,044 | 1,742 | — 0,711 | — 0,311 | 0,305 | 0,097 | — 0,664 | 0,440 | ||
0,077 | 0,56 | 0,043 | 0,006 | 0,314 | 0,039 | 0,038 | 0,495 | 0,001 | 0,435 | 0,189 | ||
0,174 | 0,3 | 0,052 | 0,030 | 0,090 | 0,295 | — 0,121 | 0,697 | 0,015 | 0,532 | 0,283 | ||
0,140 | 0,41 | 0,057 | 0,020 | 0,168 | 0,187 | — 0,047 | 0,336 | 0,002 | 0,498 | 0,248 | ||
0,095 | 0,54 | 0,051 | 0,009 | 0,292 | 0,059 | 0,037 | 0,386 | 0,001 | 0,453 | 0,205 | ||
— 0,139 | 0,92 | — 0,128 | 0,019 | 0,846 | — 0,316 | 0,177 | 1,270 | 0,031 | 0,219 | 0,048 | ||
— 0,446 | 1,14 | — 0,509 | 0,199 | 1,300 | — 0,533 | 0,087 | 0,194 | 0,008 | — 0,088 | 0,008 | ||
— 0,416 | 1,13 | — 0,470 | 0,173 | 1,277 | — 0,523 | 0,108 | 0,000 | 0,012 | — 0,058 | 0,003 | ||
— 0,357 | 1,1 | — 0,392 | 0,127 | 1,210 | — 0,494 | 0,137 | 0,384 | 0,019 | 0,001 | 0,000 | ||
0,010 | 0,72 | 0,007 | 0,000 | 0,518 | — 0,119 | 0,129 | 12,951 | 0,017 | 0,368 | 0,135 | ||
0,010 | 0,71 | 0,007 | 0,000 | 0,504 | — 0,109 | 0,119 | 11,960 | 0,014 | 0,368 | 0,135 | ||
0,030 | 0,66 | 0,020 | 0,001 | 0,436 | — 0,060 | 0,089 | 3,022 | 0,008 | 0,388 | 0,150 | ||
— 1,171 | 1,35 | — 1,581 | 1,372 | 1,823 | — 0,740 | — 0,431 | 0,368 | 0,186 | — 0,813 | 0,661 | ||
— 1,139 | 1,33 | — 1,515 | 1,298 | 1,769 | — 0,720 | — 0,419 | 0,368 | 0,176 | — 0,781 | 0,611 | ||
— 0,868 | 1,27 | — 1,102 | 0,753 | 1,613 | — 0,661 | — 0,206 | 0,238 | 0,043 | — 0,510 | 0,260 | ||
— 0,654 | 0,33 | — 0,216 | 0,428 | 0,109 | 0,266 | — 0,920 | 1,406 | 0,846 | — 0,296 | 0,088 | ||
— 0,693 | 1,23 | — 0,853 | 0,480 | 1,513 | — 0,622 | — 0,071 | 0,103 | 0,005 | — 0,335 | 0,112 | ||
— 0,211 | 0,98 | — 0,207 | 0,044 | 0,960 | — 0,375 | 0,165 | 0,781 | 0,027 | 0,147 | 0,022 | ||
— 0,288 | 1,05 | — 0,302 | 0,083 | 1,103 | — 0,444 | 0,157 | 0,544 | 0,025 | 0,070 | 0,005 | ||
— 0,020 | 0,76 | — 0,015 | 0,000 | 0,578 | — 0,158 | 0,138 | 6,839 | 0,019 | 0,338 | 0,114 | ||
— 0,041 | 0,8 | — 0,033 | 0,002 | 0,640 | — 0,198 | 0,157 | 3,845 | 0,025 | 0,317 | 0,101 | ||
— 0,073 | 0,83 | — 0,060 | 0,005 | 0,689 | — 0,227 | 0,155 | 2,133 | 0,024 | 0,285 | 0,081 | ||
— 0,151 | 0,94 | — 0,142 | 0,023 | 0,884 | — 0,336 | 0,185 | 1,227 | 0,034 | 0,207 | 0,043 | ||
— 0,315 | 1,06 | — 0,334 | 0,099 | 1,124 | — 0,454 | 0,139 | 0,443 | 0,019 | 0,043 | 0,002 | ||
— 0,942 | 1,29 | — 1,215 | 0,887 | 1,664 | — 0,681 | — 0,261 | 0,277 | 0,068 | — 0,584 | 0,341 | ||
— 0,799 | 1,26 | — 1,006 | 0,638 | 1,588 | — 0,651 | — 0,147 | 0,184 | 0,022 | — 0,441 | 0,194 | ||
— 0,545 | 1,19 | — 0,648 | 0,297 | 1,416 | — 0,582 | 0,038 | 0,069 | 0,001 | — 0,187 | 0,035 | ||
итого | — 11,459 | 30,810 | — 13,983 | 9,933 | 32,656 | — 11,467 | 56,886 | 2,921 | 5,830 | |||
в среднем | — 0,358 | 0,963 | — 0,437 | 0,310 | 1,021 | — 0,358 | 1,778 | 0,091 | 0,182 | |||
по методу наименьших квадратов (МНК) из решения системы:
уравнение парной линейной регрессии Y на x имеет вид:
Yх= 0,591 — 0,986х Выполнив его потенцирование, получим:
yх=е0,591· е-0,986х или yх=1,799· 0,375 х
Рассчитаем индекс корреляции:
то есть связь между средними объемами продаж (у) и ценой товара (х) сильная.
Определим индекс детерминации:
Итак, 49,9% вариации средних объемов продаж объясняется вариацией цены товара и на 50,1% зависит от других факторов.
Вычислим среднюю ошибку аппроксимации:
В среднем расчётные значения отличаются от фактических на 177,8%, что превышает допустимые пределы 8%-10%, следовательно, с этой точки зрения можно считать выбор уравнения не удачным.
Вычислим коэффициент эластичности:
То есть с увеличением (уменьшением) цены товара на 1% от своего среднего уровня, средние объемы продаж уменьшатся (увеличатся) на 0,95% от своего среднего уровня.
Проверим значимость уравнения регрессии с помощью F — критерия Фишера. Выдвигаем гипотезы: Н0: уравнение регрессии незначимо; Н1: уравнение регрессии значимо; Находим наблюдаемое значение критерия:
По таблице приложения находим критическое значение критерия: Fтабл=4,17 где F (a; m; n-m-1)=F (0,05; 1; 31)=4,17.
Так как Fфакт>Fтабл (29,9>4,17) то гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.
Нанесём полученное уравнение на поле корреляции:
Предположим, что между х и у связь полулогарифмическая, тогда уравнение регрессии имеет вид: yх=а+blnx, у=а+bХ, где X=lnx;
Составим расчётную таблицу 3.
По методу наименьших квадратов (МНК) из решения системы:
уравнение парной линейной регрессии y на X имеет вид:
yХ = 0,715 — 0,436Х или yх = 0,715 — 0,436lnх Таблица 3. Расчётная таблица
№ | y | X | Xy | y2 | X2 | yх | y-yх | (y-yх)2 | ||||
0,35 | 0,285 | 0,100 | 0,123 | 0,081 | 0,591 | — 0,241 | 0,688 | 0,058 | — 0,411 | 0,169 | ||
0,79 | 0,010 | 0,008 | 0,624 | 0,000 | 0,711 | 0,079 | 0,100 | 0,006 | 0,029 | 0,001 | ||
0,93 | — 0,163 | — 0,151 | 0,865 | 0,026 | 0,786 | 0,144 | 0,155 | 0,021 | 0,169 | 0,029 | ||
1,5 | 0,182 | 0,273 | 2,250 | 0,033 | 0,636 | 0,864 | 0,576 | 0,747 | 0,739 | 0,546 | ||
0,47 | 0,215 | 0,101 | 0,221 | 0,046 | 0,621 | — 0,151 | 0,322 | 0,023 | — 0,291 | 0,085 | ||
0,36 | 0,278 | 0,100 | 0,130 | 0,077 | 0,594 | — 0,234 | 0,650 | 0,055 | — 0,401 | 0,161 | ||
1,08 | — 0,580 | — 0,626 | 1,166 | 0,336 | 0,968 | 0,112 | 0,104 | 0,013 | 0,319 | 0,102 | ||
1,19 | — 1,204 | — 1,433 | 1,416 | 1,450 | 1,240 | — 0,050 | 0,042 | 0,002 | 0,429 | 0,184 | ||
1,15 | — 0,892 | — 1,025 | 1,323 | 0,795 | 1,104 | 0,046 | 0,040 | 0,002 | 0,389 | 0,151 | ||
1,1 | — 0,616 | — 0,678 | 1,210 | 0,380 | 0,984 | 0,116 | 0,106 | 0,014 | 0,339 | 0,115 | ||
0,87 | — 0,083 | — 0,073 | 0,757 | 0,007 | 0,751 | 0,119 | 0,136 | 0,014 | 0,109 | 0,012 | ||
0,64 | 0,131 | 0,084 | 0,410 | 0,017 | 0,658 | — 0,018 | 0,028 | 0,000 | — 0,121 | 0,015 | ||
0,66 | 0,122 | 0,081 | 0,436 | 0,015 | 0,662 | — 0,002 | 0,003 | 0,000 | — 0,101 | 0,010 | ||
0,7 | 0,095 | 0,067 | 0,490 | 0,009 | 0,673 | 0,027 | 0,038 | 0,001 | — 0,061 | 0,004 | ||
1,01 | — 0,329 | — 0,332 | 1,020 | 0,108 | 0,858 | 0,152 | 0,150 | 0,023 | 0,249 | 0,062 | ||
1,01 | — 0,342 | — 0,346 | 1,020 | 0,117 | 0,864 | 0,146 | 0,144 | 0,021 | 0,249 | 0,062 | ||
1,03 | — 0,416 | — 0,428 | 1,061 | 0,173 | 0,896 | 0,134 | 0,130 | 0,018 | 0,269 | 0,072 | ||
0,31 | 0,300 | 0,093 | 0,096 | 0,090 | 0,584 | — 0,274 | 0,884 | 0,075 | — 0,451 | 0,203 | ||
0,32 | 0,285 | 0,091 | 0,102 | 0,081 | 0,591 | — 0,271 | 0,846 | 0,073 | — 0,441 | 0,194 | ||
0,42 | 0,239 | 0,100 | 0,176 | 0,057 | 0,611 | — 0,191 | 0,454 | 0,036 | — 0,341 | 0,116 | ||
0,52 | — 1,109 | — 0,577 | 0,270 | 1,229 | 1,198 | — 0,678 | 1,305 | 0,460 | — 0,241 | 0,058 | ||
0,5 | 0,207 | 0,104 | 0,250 | 0,043 | 0,625 | — 0,125 | 0,249 | 0,016 | — 0,261 | 0,068 | ||
0,81 | — 0,020 | — 0,016 | 0,656 | 0,000 | 0,724 | 0,086 | 0,106 | 0,007 | 0,049 | 0,002 | ||
0,75 | 0,049 | 0,037 | 0,563 | 0,002 | 0,694 | 0,056 | 0,075 | 0,003 | — 0,011 | 0,000 | ||
0,98 | — 0,274 | — 0,269 | 0,960 | 0,075 | 0,835 | 0,145 | 0,148 | 0,021 | 0,219 | 0,048 | ||
0,96 | — 0,223 | — 0,214 | 0,922 | 0,050 | 0,812 | 0,148 | 0,154 | 0,022 | 0,199 | 0,040 | ||
0,93 | — 0,186 | — 0,173 | 0,865 | 0,035 | 0,796 | 0,134 | 0,144 | 0,018 | 0,169 | 0,029 | ||
0,86 | — 0,062 | — 0,053 | 0,740 | 0,004 | 0,742 | 0,118 | 0,137 | 0,014 | 0,099 | 0,010 | ||
0,73 | 0,058 | 0,043 | 0,533 | 0,003 | 0,690 | 0,040 | 0,055 | 0,002 | — 0,031 | 0,001 | ||
0,39 | 0,255 | 0,099 | 0,152 | 0,065 | 0,604 | — 0,214 | 0,549 | 0,046 | — 0,371 | 0,138 | ||
0,45 | 0,231 | 0,104 | 0,203 | 0,053 | 0,614 | — 0,164 | 0,365 | 0,027 | — 0,311 | 0,097 | ||
0,58 | 0,174 | 0,101 | 0,336 | 0,030 | 0,639 | — 0,059 | 0,102 | 0,003 | — 0,181 | 0,033 | ||
итого | 24,350 | — 3,382 | — 4,809 | 21,345 | 5,490 | 24,354 | 8,986 | 1,842 | 2,816 | |||
в среднем | 0,761 | — 0,106 | — 0,150 | 0,667 | 0,172 | 0,761 | 0,281 | 0,058 | 0,088 | |||
Рассчитаем индекс корреляции:
то есть связь между средними объемами продаж (у) и ценой товара (х) средняя.
Определим индекс детерминации:
Итак, 34,6% вариации средних объемов продаж объясняется вариацией дохода потребителя и на 65,4% зависит от других факторов.
Вычислим среднюю ошибку аппроксимации:
В среднем расчётные значения отличаются от фактических на 28,1%, что превышает допустимые пределы 8% - 10%, следовательно, с этой точки зрения можно считать уравнение не удачным.
Вычислим коэффициент эластичности:
То есть с увеличением (уменьшением) цены товара на 1% от своего среднего уровня, средние объемы продаж уменьшатся (увеличатся) на 0,453% от своего среднего уровня.
Проверим значимость уравнения регрессии с помощью F — критерия Фишера. Выдвигаем гипотезы: Н0: уравнение регрессии незначимо; Н1: уравнение регрессии значимо; Находим наблюдаемое значение критерия:
По таблице приложения находим критическое значение критерия: Fтабл=4,17 где F (?; m; n-m-1)=F (0,05; 1; 32)=4,17. Так как Fфакт>Fтабл (15,9>4,17) то гипотеза Н0 о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.
Нанесём полученное уравнение на поле корреляции:
Составим сравнительную таблицу полученных оценок:
Показатели | Уравнения регрессий | ||||
Линейное yх=1,393 — 0,656х | Степенное yх= 0,656 · х -0,638 | Показательное yх=1,799· 0,375 х | Полулогарифмическое yх = 0,715 — 0,436lnх | ||
Коэффициент (индекс) корреляции | — 0,676 | 0,598 | 0,706 | 0,588 | |
Коэффициент (индекс) детерминации | 0,457 | 0,358 | 0, 499 | 0,346 | |
Средняя ошибка аппроксимации | 21,2% | 325,7% | 177,8% | 28,1% | |
Коэффициент эластичности | — 0,83% | — 0,638% | — 0,95% | — 0,453% | |
Значимость по F-критерию | Значимо Fфакт= 25,2 | Значимо Fфакт=16,729 | Значимо Fфакт=29,9 | Значимо Fфакт=15,9 | |
Уравнение линейной регрессии является лучшим т.к. средняя ошибка аппроксимации в нём меньше чем в других. Рассчитаем прогнозное значение результата, если прогнозное значение фактора увеличится на 5% от его среднего уровня по уравнению линейной регрессии:
yх= 1,393 — 0,656х;
;
yх= 1,393 — 0,656•1,011 = 0,73
Если прогнозное значение цены товара увеличится на 5% от среднего уровня, т. е. станет равной 1,011 руб. то средние затраты на продукты питания увеличатся и станут составлять 0,73 тыс. руб.