+
Информация о работе
Подробнее о работе
Имеется информация о результатах работы 16 фирм по следующим показателям (см рис
- 3 страниц
- 2017 год
- 14 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Проведем корреляционно – регрессионный анализ информации в соответствии с рассмотренным тренировочным примером. Для этого:
Соотношение стандартных отклонений (standard deviation): Sx1= 4,75, Sx2= 0,88, Sx3= 0,89, Sx2= 4,51
Соотношение коэффициентов вариации (coeff. of variation) Vx1= 51,08%, Vx2= 5,55%, Vx3= 5,20%, Vx2= 4,21%
Анализ матрицы парных коэффициентов корреляции показывает, что:
1) значимой является переменная: х4 (для нее расчетный уровнь значимости меньше 0,05);
2) мультиколлинеарность присутствует (наибольший коэффициент корреляции между независимыми переменными rx3x4= 0,89, что больше 0,8). В результате сравнительного анализа с предыдущей матрицей матрицу частных коэффициентов корреляции (см. рис.29) видим, чистая связь между у и х1 ослабла, чистая связь между у и х2 ослабла, а между у и х3 наоборот усилилась. Теснота других связей существенно не изменилась.
Дисперсионный анализ регрессии показывает, что уравнение регрессии значимо (р-величина статистики Фишера меньше 0,05).
Коэффициенты множественной корреляции (R=0,903) и множественной детерминации (R2=0,843) показывают, что уравнение регрессии довольно точно описывает зависимость y от остальных переменных (на 84,3 % изменение y обусловлено изменением всех других переменных).
Различия в исходном и исправленном коэффициентах множественной детерминации Radj2=0,786) говорит о том, что в уравнении регрессии есть незначимые переменные. На это же
Отсутствует
Имеется информация о результатах работы 16 фирм по следующим показателям (см. рис.26):
у – объем реализации (млн руб.);
х1 – расходы на рекламу (млн руб.);
х2 – цена собственной продукции;
х3 – цена продукции фирмы- конкурента;
х4 – инвестиции (в процентах к предыдущему году).
Провести корреляционно – регрессионный анализ этой информации в соответствии с рассмотренным тренировочным примером. Для этого:
1. Проанализировать описательную статистику (см. рис.27).
2. Проанализировать матрицу парных коэффициентов корреляции (см. рис.28)
3. Проанализировать в сравнительном анализе с предыдущей матрицей матрицу частных коэффициентов корреляции (см. рис.29).
4. Проанализировать точность уравнения полной регрессии (см. рис.30).
5. Проанализировать точность уравнения пошаговой регрессии (см. рис.31) и проинтерпретировать его коэффициенты.
Рисунок 26 – Исходная информация
Рисунок 27 – Описательная статистика
6. Основываясь на отчете о пошаговой регрессии в ППП Statistica (рис.31), проведите сравнительный анализ степени влияния оставшихся в регрессии переменных на зависимую переменную по коэффициентам регрессии в натуральном масштабе и по стандартизованным коэффициентам регрессии.
Поясните результаты анализа исходя из смысла этих коэффициентов.
Рисунок 28 – Матрица парных коэффициентов корреляции
Рисунок 29 – Матрица частных коэффициентов корреляции
Рисунок 30 – Отчет о полном уравнении регрессии
Рисунок 31 – Отчет о пошаговой регрессии в ППП Statgraphics
Рисунок 31 – Отчет о пошаговой регрессии в ППП Statistica
Отсутствует
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
