Создан заказ №1584722
13 декабря 2016
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ Вариант 7 Исходные данные Средняя ожидаемая продолжительность жизни
Как заказчик описал требования к работе:
7 вариант. Объем буквально - 1,2 страницы. В оразце все есть. Срок сдачи 21.12.2016
Фрагмент выполненной работы:
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
Вариант 7
Исходные данные:
Средняя ожидаемая продолжительность жизни, y
Темпы прироста населения по сравнению с предыдущим годом в %, x1 Коэффициент младенческой смертности в %, x2
47 2,6 113
49 2,6 98
48 2,5 117
55 2,5 91
49 2,8 99
52 3,1 89
58 1,6 79
57 2 72
50 2,9 123
53 2,9 80
58 2,7 58
56 3 88
62 1,8 68
50 2,9 95
68 3,1 46
59 2,8 73
47 3,1 124
60 2,9 90
51 2,5 96
57 2,4 55
67 3 45
69 1,1 34
57 2,9 56
51 2,9 90
72 1,3 16
63 2 56
64 1,6 51
66 2,2 39
65 2 55
57 2,3 64
66 2,9 44
69 2,2 36
71 1,9 37
74 1 13
70 2,2 34
67 2,2 36
68 2,7 41
Решение:
1.Вычислим все парные линейные коэффициенты корреляции по исходным данным: , , . (работа была выполнена специалистами Автор 24)
Найдем средние квадратические отклонения признаков:
Парные коэффициенты корреляции:
Матрица парных коэффициентов корреляции R:
у х1
х2
Средняя ожидаемая продолжительность жизни, y
1 -0,567 -0,943
Темпы прироста населения по сравнению с предыдущим годом в %, x1 -0,567 1 0,566
Коэффициент младенческой смертности в %, x2 -0,943 0,566 1
Анализируя матрицу парных коэффициентов корреляции можно сделать выводы о тесноте связи результирующего фактора y с влияющими факторами x1 и x2, а также вывод о величине межфакторной корреляции :
Связь между у и фактором х1 обратная и заметная; связь между у и фактором х2 обратная и весьма заметная; межфакторная связь х1 и х2 прямая и заметная.
Так как целью исследования коэффициентов корреляции является определение степени влияния каждой из объясняющих переменных на зависимую переменную, то наличие мультиколлинеарности, приводящее к увеличению стандартных ошибок, скорее всего, исказит истинные зависимости между переменными. В этой ситуации мультиколлинеарность является серьезной проблемой.
Если в матрице есть межфакторный коэффициент корреляции rxjxi > 0.7, то в данной модели множественной регрессии существует мультиколлинеарность. В нашем случае межфакторный коэффициент корреляции |r|<0.7, что говорит об отсутствии мультиколлинеарности факторов.
2. Построим линейное уравнение множественной регрессии
.
Для этого:
- используем систему линейных уравнений оценки параметров множественной регрессии:
- составим по системе линейных уравнений матрицы Δ, Δa, Δb1, Δb2 для вычисления параметров множественной регрессии a, b1, b2;
2202,00 89,10 2501,00
∆a
5207,70 226,51 6371,70 745949086,4
140682,00 6371,70 200893,00
37 2202,00 2501,00
∆b1 89,1 5207,70 6371,70 -6466312,80
2501 140682,00 200893,00
37 89,1 2202,00
∆b2 89,1 226,51 5207,70 -2381565,42
2501 6371,7 140682,00
37 89,10 2501,00
∆ 89,10 226,51 6371,70 9567517,08
2501,00 6371,70 200893,00
- вычислим определители матриц и по определителям матриц вычислим параметры уравнения множественной регрессии.
Находим
Таким образом, получили следующее уравнение множественной регрессии:
3. Выполним интерпретацию модели множественной регрессии.
Интерпретация коэффициентов чистой регрессии b1 и b2:
При увеличении темпа прироста населения на 1 % средняя ожидаемая продолжительность жизни уменьшается в среднем на 0,68 лет при неизменном значении коэффициента младенческой смертности;
При увеличении коэффициента младенческой смерности на 1 %средняя ожидаемая продолжительность жизни уменьшается в среднем на 0,25 лет при неизменном темпа роста населения.
Вычислим частные (средние) коэффициенты эластичности для каждой переменной:
.
Частный коэффициент эластичности < 1. Следовательно, его влияние на результативный признак Y незначительно.
Частный коэффициент эластичности < 1. Следовательно, его влияние на результативный признак Y незначительно.
Т.е. увеличение темпа прироста населения (от своего среднего значения) или только коэффициента младенческой смертности на 1% изменяет в среднем продолжительность жизни на 0,027% или 0,283% соответственно. Таким образом, подтверждается большее влияние на результат фактора х2, чем фактора х1.
4. Вычислим индекс множественной корреляции .
Теснота совместного влияния факторов множественной корреляции xj на результирующую переменную y - высокая, т.к. значение полученного индекса R=0.94 превосходит значение 0,7.
Величина индекса множественной корреляции Ryx1x2 значительно больше индексов корреляции парной зависимости Ryx1 и Ryx2, следовательно можно сделать вывод о правильности включения факторов в модель множественной регрессии.
5...Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
200 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик принял работу без использования гарантии
14 декабря 2016
Заказ завершен, заказчик получил финальный файл с работой
5
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
Вариант 7
Исходные данные
Средняя ожидаемая продолжительность жизни.docx
2018-04-01 18:17
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
автор умничка!! работу выполнила быстро и на отлично! всем советую данного автора. большое вам спасибо за проделанную работу!
Хочешь такую же работу?
300 ₽
