Создан заказ №744746
12 октября 2015
Построение модели парной регрессии Рассчитайте матрицу парных коэффициентов корреляции
Как заказчик описал требования к работе:
Выполнить контрольную по эконометрике за 2 дня в двух вариантах. Пишите сразу сколько будет стоить контрольная.
Фрагмент выполненной работы:
Построение модели парной регрессии
Рассчитайте матрицу парных коэффициентов корреляции; оцените статистическую значимость коэффициентов корреляции.
Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
Рассчитайте параметры линейной парной регрессии от ведущего фактора.
Оцените качество уравнения парной регрессии через коэффициент детерминации, среднюю ошибку аппроксимации и F-критерий Фишера.
Осуществите прогнозирование среднего значения показателя при уровне значимости , если прогнозное значения фактора составит 80% от его максимального значения. (работа была выполнена специалистами Автор 24) Представьте графически: фактические и модельные значения, точки прогноза.
Вариант 9. Строится модель цены автомобиля на вторичном рынке в зависимости от пробега, срока эксплуатации и объема двигателя. Имеются данные по пятнадцати автомобилям одной и той же модели:
№ автомобиля Цена автомобиля (долл. США) Пробег (тыс. км) Срок эксплуатации (лет) Объем двигателя (л)
1 12500 130 12 2,3
2 13700 120 10 1,9
3 9200 300 15 1,8
4 11400 180 13 2,1
5 15800 150 14 2,6
6 12300 80 8 1,7
7 16300 170 10 2,4
8 10200 210 11 1,9
9 11000 250 7 1,9
10 12700 150 9 1,7
11 15000 90 4 2,2
12 10500 230 13 2,4
13 17200 120 8 2,3
14 16000 110 9 2,5
15 17100 120 6 2,6
Решение:
Работаем в программе Microsoft Office Excel. Вносим данные в Excel.
Рис. 1 – Поле корреляция
Матрицу парных коэффициентов корреляции можно рассчитать, используя инструмент Анализа данных Корреляция. Для этого:
1.В главном меню выбираем Сервис ->Анализ данных ->Корреляция
2.Заполняем диалоговое окно ввода параметров, в качестве входного интервала указываем весь диапазон представленных данных.
Рис. 2 - Корреляция
Коэффициент парной корреляции между ценой ТС и пробегом имеет положительную величину, следовательно, между этими признаками прямая связь, т.е. при уменьшение пробега, цена ТС тоже уменьшается. Значение коэффициента среднее по абсолютной величине, следовательно, между ценой ТС и доходом работника слабая связь.
Коэффициент парной корреляции между ценой ТС и сроком эксплуатации также имеет отрицательную величину, следовательно, между этими признаками прямая связь. То есть, чем ниже срок эксплуатации, тем ниже цена приобретаемого ТС.
Коэффициент парной корреляции между ценой приобретаемого ТС и объемом двигателя имеет положительную величину, следовательно, между этими признаками обратная связь.
Итак, по результатам анализа матрицы парных коэффициентов корреляции в качестве ведущего фактора для построения однофакторной регрессии должен быть выбран фактор X3 (объем).
С помощью инструмента анализа данных Регрессия, помимо результатов регрессионной статистики, дисперсионного анализа можно получить остатки и графики подбора линии регрессии, остатков и нормальной вероятности.
1.Для построения модели парной регрессии в главном меню выберем Сервис>Анализ данных->Регрессия
2.Заполним диалоговое окно ввода данных и параметров вывода
Входной интервал Y - диапазон, содержащий данные результативного признака.
Входной интервал X - диапазон, содержащий данные факторов независимого признака (так как модель однофакторная, то построим её на основе фактора X3).
Рис. 3
На основании этого можно записать уравнение линейной парной регрессии:
y= 5556,4x3 + 1428,5
3. Оценим с помощью средней ошибки аппроксимации качество уравнений. Воспользуемся результатами регрессионного анализа представленного на рис. 4.
.
Рисунок 4
Результат применения инструмента регрессия «Вывод остатка»
Составим новую таблицу как показано на рис. 5. В графе D рассчитаем относительную ошибку аппроксимации по формуле:
Рисунок 5 - Расчёт средней ошибки аппроксимации
Средняя ошибка аппроксимации рассчитывается по формуле:
Качество построенной модели оценивается как плохое, так как превышает 8 – 10%.
Из таблицы с регрессионной статистикой (рис. 3) выпишем фактическое значение F-критерия Фишера:.
при α=0,1
Поскольку при 1 %-ном уровне значимости, то можно сделать вывод о значимости уравнения регрессии (связь доказана).
4. Оценку статистической значимости параметров регрессии проведём с помощью t-статистики Стьюдента и путём расчёта доверительного интервала каждого из показателей.
Выдвигаем гипотезу Н0 о статистически незначимом отличии показателей от нуля:
.
для числа степеней свободы
На рис. 3 имеются фактические значения t-статистики:
ta=0,375; tb=3,17;
t-критерий для коэффициента корреляции можно рассчитать двумя способами:
I способ:
где – случайная ошибка коэффициента корреляции.
Данные для расчёта возьмём из таблицы на рис...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
13 октября 2015
Заказ завершен, заказчик получил финальный файл с работой
5
Построение модели парной регрессии
Рассчитайте матрицу парных коэффициентов корреляции.docx
2017-03-14 15:48
Последний отзыв студента о бирже Автор24
Общая оценка
4
Положительно
Работа выполнена в срок, но в последний день, поэтому 4. Очень не дорого, аккуратно, автор быстро реагировал на просьбу о корректировки.
Хочешь такую же работу?
300 ₽
