ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
Раздел 2. Использование регрессионного анализа для получения математических моделейК задачам регрессионного анализа относятся:
Исходными данными в регрессионном анализе служат эмпирические значения (хi, уi), i = 1, 2,..., n, где уi – значение результата при значении фактора хi. Парная регрессионная модельможет быть представлена в виде: , () где e – некоторая случайная величина, отражающая как влияние факторов, не включенных в уравнение регрессии, так и изменчивость описываемых явлений, а также ошибки измерений. Модель () называют также простой регрессией.Она описывает изменение среднего значения результирующего признака У в зависимости от вариации фактора X. Регрессионный анализ направлен на исследование односторонней зависимости результативного признака У от факторного признака X. Включение в регрессионную модель случайной составляющей обусловлено следующими причинами: · любая модель представляет собой упрощение описываемых явлений; · ограниченный характер исходной статистической информации; · недостаточная изученность исследуемых процессов; · неоднозначность выбора функциональной зависимости; · сложные зависимости между факторами; · ошибки измерений; · человеческий фактор (и в исследуемых явлениях, и в моделировании) и др. Укажем на следующие названия, используемые различными авторами: у – результат, отклик, зависимая переменная, выходной параметр; х – фактор, независимая переменная, входной фактор; e – отклонение, остаток, ошибка, случайная составляющая. Подставляя в (8.1) эмпирические данные, получаем . () Коэффициент корреляции. Связь между признаками может «располагаться» в диапазоне от независимости до функциональной зависимости. Чем «ближе» корреляционная зависимость к некоторой функциональной зависимости, тем теснее связь между исследуемыми признаками. Корреляционные связи – это не полные связи, т.е. можно сказать, что У не на все 100% зависит от X. А на какую же величину вариация У определяется колебаниями X? Определить это и выразить количественно в статистике помогают различные показатели, выявляющие тесноту корреляционной связи. Для правильного определения тесноты корреляционной связи необходимо, прежде всего, установить между признаками наличие причинной зависимости. Эта задача решается путем качественного Х и У, материального анализа исследуемых процессов и явлений. Теснота линейной корреляционной связи между факторными и результативными признаками может исчисляться с помощью линейного коэффициента корреляции rух. На его основе исчисляют коэффициент детерминации, равный квадрату коэффициента корреляции . Коэффициент детерминации показывает, какую долю общей дисперсии результативного признака составляет дисперсия, обусловленная влиянием изучаемого фактора. Например, если для корреляционной связи между производительностью оборудования и энерговооруженностью r = 0,8, то = 0,64, или 64%, то данная зависимость на 64 % объясняет вариацию урожайности количеством выпавших осадков. Величина 1 – r2 является коэффициентом остаточной детерминации и характеризует долю вариации за счет неучтенных факторов. В данном примере 1 – r2 = 0,36 означает, что на долю остальных факторов, влияющих на производительность, приходится 36% вариации результативного признака. Коэффициент корреляции определяется по формуле: , где хi – значение признака-фактора Х (независимой переменной); yj – значение коррелируемого с фактором X признака У; n – число пар сопоставляемых значений признаков; и — выборочные дисперсии признаков Х и У соответственно. Если вынести за скобки sх и sу, как величины постоянные для данных рядов, то получим следующую формулу линейного коэффициента корреляции: / Данную формулу можно преобразовать в такую: . () Примечание. В представленных ниже задачах необходимо: а) построить эмпирические линии регрессии; б) оценить тесноту связи между переменными с помощью коэффициента корреляции; проверить значимость коэффициента корреляции; г) на уровне значимости 0,05 проверить гипотезу о линейной корреляционной зависимости между переменными X и Y. Задание 4. Найти коэффициент корреляции между производительностью труда Y (тыс. руб.) и энерговооруженностью труда X (кВт) (в расчете на одного работающего) для 14 предприятий региона по следующим данным:
Задание 5. Распределение 50 гастрономических магазинов по уровню издержек обращения X (%) и годовому объему товарооборота Y (млн. руб.) представлено в таблице:
Необходимо: а) построить эмпирическую линию регрессии; б) выровнять полученную зависимость по прямой и гиперболе; в) оценить тесноту связи между переменными. Задание 6. Р аспределение 60-ти предприятий приборостроительной промышленности по энерговооруженности труда Y (кВт*час) и фондовооруженности X (млн. руб.) дано в таблице.
Необходимо: а) построить эмпирическую линию регрессии; б) оценить тесноту связи между переменными. Задание 7. Имеются следующие данные по выработке литья под давлением (при получении пластмассовых деталей) на одного работающего Х1 (т), браке литья под давлением Х2 (%) и себестоимости одной тонны литья Y (руб) по 25 предприятиям.
Найти уравнение множественной регрессии. Задание 8. В таблице даны измерения веса выпускаемого кондитерского изделия. Мин значение допуска 20, максимально 40. Построить распределение. Оценить его характеристики. Задание 9. При измерении веса шоколадных батончиков с номинальным весом 50 гр получены следующие значения. Допустимые отклонения от номинала 10%. Построить распределение. Оценить его характеристики. Не нашли, что искали? Воспользуйтесь поиском:
|