Решение задачи по парной регрессии. Линейная и нелинейная регрессии

Автор работы: Пользователь скрыл имя, 18 Ноября 2011 в 22:35, задача

Краткое описание

Решение задачи в программе Эксель

Содержимое работы - 1 файл

задача 11.xlsx

— 72.38 Кб (Скачать файл)

Лист1

  A B C D E F G H I J K L M N O P Q
1 Задание типового расчета по эконометрике на тему:                                                                                           Верещагин М            
2 «Парная регрессия.Линейные и нелинейные модели регрессии»                                                                     204 группа            
3 Задание:                                
4 Определить вид зависимости(если она существует) среди данных,представленных в таблице.                  
5                                  
6 Показатель 1 2 3 4 5 6 7 8 9 10          
7 факторный(X) 554 560 545 672 796 777 632 688 833 577          
8 результативный(Y) 302 360 310 415 452 502 335 416 501 403          
9 Показатель 11 12 13 14 15 16 17 18 19 20          
10 факторный(X) 610 705 825 735 785 621 678 612 595 829          
11 результативный(Y) 352 410 510 487 516 386 402 363 398 513          
12                                  
13   На основе исходных данных построим поле корреляции                      
14                                
15                                  
16                                  
17                                  
18                                  
19                                  
20                                  
21                                  
22                                  
23                                  
24                                  
25                                  
26                                  
27                                  
28                                  
29                                  
30                                  
31                                  
32                                  
33 Для нахождения параметров линейной регрессии и удобства дальнейших вычислений составим таблицу              
34                                  
35   x y xy x^2 y^2 Yx y-Yx (y-Yx)^2 Ai (%)            
36   1 554 302 167308 306916 91204 334.44 -32.4 1052 10.74            
37   2 560 360 201600 313600 129600 338.31 21.7 471 6.03            
38   3 545 310 168950 297025 96100 328.63 -18.6 347 6.01            
39   4 672 415 278880 451584 172225 410.52 4.5 20 1.08            
40   5 796 452 359792 633616 204304 490.48 -38.5 1481 8.51            
41   6 777 502 390054 603729 252004 478.23 23.8 565 4.74            
42   7 632 335 211720 399424 112225 384.73 -49.7 2473 14.85            
43   8 688 416 286208 473344 173056 420.84 -4.8 23 1.16            
44   9 833 501 417333 693889 251001 514.34 -13.3 178 2.66            
45   10 577 403 232531 332929 162409 349.27 53.7 2887 13.33            
46   11 610 352 214720 372100 123904 370.55 -18.5 344 5.27            
47   12 705 410 289050 497025 168100 431.80 -21.8 475 5.32            
48   13 825 510 420750 680625 260100 509.18 0.8 0.676 0.16            
49   14 735 487 357945 540225 237169 451.15 35.9 1286 7.36            
50   15 785 516 405060 616225 266256 483.39 32.6 1064 6.32            
51   16 621 386 239706 385641 148996 377.64 8.4 70 2.17            
52   17 678 402 272556 459684 161604 414.39 -12.4 154 3.08            
53   18 612 363 222156 374544 131769 371.84 -8.8 78 2.43            
54   19 595 398 236810 354025 158404 360.87 37.1 1378 9.33            
55   20 829 513 425277 687241 263169 511.76 1.2 1.54 0.24            
56   сумма 13629.00 8333.00 5798406.00 9473391.00 3563599.00 8332.34 0.66 14348 110.7924            
57   среднее 681.45 416.65 289920.30 473669.55 178179.95 416.62 0.03 717 5.54            
58   96.41290 67.69585                          
59   ∂^2 9295.4475 4582.7275                          
60                                  
61 Расчитаем параметры линейного уравнения парной регрессии y=a+bx,для этого воспользуемся формулами:              
62                                
63                                
64                                  
65                                  
66   a     = -22.782 b      = 0.6448                        
67   Найдем параметры уравнения методом Крамера:                      
68       20 13629                        
69     ∆     = 13629 9473391       = 3718179                    
70                                  
71       8333 13629                        
72     ∆а   = 5798406 9473391       = -84708171                    
73                                  
74       20 8333                        
75     ∆b    = 13629 5798406       = 2397663                    
76                                  
77       а     = ∆а/∆       = -22.782                    
78       b     = ∆b/∆       = 0.6448                    
79                                  
80 Получили уравнение y = 0,6448*x-22,782 Т.е с увеличением среднемесячной зарплаты на 1000 руб.              
81         потребительские расходы увеличиваются на 644,8 руб.              
82   Найдем линейный коэффициент корреляции:                      
83                                
84         r(xy)  =  0.9184                      
85                                  
86                                  
87   Близость коэффициента к 1 указывает на тесную линейную связь между признаками.                
88                                
89 Коэффициент детерминации              = 0.8435 показывает,что уравнением регрессии объясняется 84,35 % дисперсии результативного    
90           признака и лишь 15,65 % изменений приходится на долю прочих факторов.      
91                                  
92   Оценим качество уравнения с помощью F-критерия Фишера.Сосчитаем фактическое значение F-критерия:            
93                                  
94                                
95                        = 96.98                    
96                                  
97                                  
98     Табличное значение (k1= 1 ,k2= n-2=18 ,a=0,05 ) = 4,41 Fтабл=4,41                
99                                  
100     Так как Fтабл< Fфакт,то признается статистическая значимость уравнения в целом.              
101                                  
102     Рассчитаем t-критерий Стьюдента и доверительные интервалы каждого из показателей.              
103                                  
104                                
105                       = 797.115                      
106                                  
107                                
108                                  
109                 = 0.0933                        
110                                  
111                                  
112                                
113                        = 0.0655                    
114                                  
115                                  
116                                  
117                                
118                       = 45.06591                  
119                                  
120                                  
121                                  
122     Фактические значения t-критерия:                        
123                            
124     9.848   -0.506   9.848                    
125                                  
126 Табличное значение критерия Стьюдента при v=20-2=18 есть t-табл=2,1009.Так как t(b)>t-табл,t(a)<t-табл,t(r)>t-табл,то          
127 параметры b t(r) признаются значимыми,а парамерт а - незначимым.                      
128                                  
129 Рассчитаем доверительные интервалы для параметров регрессии а и b.                    
130 a+t*m(a) и b+t*m(b) Получим, что а є[-117,46; 71,897] и b є[0,507; 0,782]                
131                                  
132 Средняя ошибка аппроксимации = 5,54 % говорит о хорошем качестве уравнения регрессии.                
133                                  
134 Найдем прогнозное значение результативного фактора,если среднее значение факторного признака увеличится на 5%.          
135                                  
136 Xp=Xср*1,05=1,05*681,45=715,5225                          
137                                  
138     Yp = 0,6448*715,5225-22,782=438,59 Значит,если среднемесячная зарплата и выплаты соц.характера составят 715,5225тыс.руб,    
139           то потребительские расходы будут 438,59 тыс руб.                    
140                                  
141     Найдем доверительный интервал прогноза.Ошибка прогноза:                            
142                                  
143                                
144                         = 29.013                      
145                                  
146                                  
147     Доверительный интервал Yp = Yp-∆Yp<=Yp<=Yp-∆Yp                    
148                                  
149     ∆Yp      = 60.953     377,637≤Yp≤499,543                  
150                                  
151     Прогноз является статистически надежным.                      

Лист2

  A B C D E F G H I J K L M
1 Модель с квадратным корнем                  
2                        
3 Построим уравнение регрессии вида                  
4                          
5 Заменим переменную, что привести данное уравнение регрессии к линейному виду:      
6                        
7 Получим уравнение регрессии вида                  
8 ,                        
9 Для расчета коэффициентов a и b составим таблицу:              
10                          
11   x z y z*y z^2 y^2 Yx y-Yx (y-Yx)^2 ((y-Yx)/y)    
12 1 554 23.54 302 7108.24 554 91204 332.12480 -30.12480 907.50373 9.97510    
13 2 560 23.66 360 8519.15 560 129600 336.41833 23.58167 556.09527 6.55046    
14 3 545 23.35 310 7237.02 545 96100 325.64068 -15.64068 244.63094 5.04538    
15 4 672 25.92 415 10758.03 672 172225 412.70813 2.29187 5.25267 0.55226    
16 5 796 28.21 452 12752.49 796 204304 490.07425 -38.07425 1449.64836 8.42351    
17 6 777 27.87 502 13993.11 777 252004 478.63227 23.36773 546.05059 4.65493    
18 7 632 25.14 335 8421.77 632 112225 386.24897 -51.24897 2626.45684 15.29820    
19 8 688 26.23 416 10911.58 688 173056 423.07057 -7.07057 49.99289 1.69966    
20 9 833 28.86 501 14459.73 833 251001 511.97066 -10.97066 120.35539 2.18975    
21 10 577 24.02 403 9680.39 577 162409 348.45994 54.54006 2974.61827 13.53351    
22 11 610 24.70 352 8693.76 610 123904 371.33880 -19.33880 373.98903 5.49398    
23 12 705 26.55 410 10886.25 705 168100 433.94947 -23.94947 573.57716 5.84133    
24 13 825 28.72 510 14648.63 825 260100 507.27818 2.72182 7.40832 0.53369    
25 14 735 27.11 487 13203.00 735 237169 452.83231 34.16769 1167.43087 7.01595    
26 15 785 28.02 516 14457.21 785 266256 483.46681 32.53319 1058.40851 6.30488    
27 16 621 24.92 386 9619.07 621 148996 378.82690 7.17310 51.45339 1.85832    
28 17 678 26.04 402 10467.45 678 161604 416.60835 -14.60835 213.40392 3.63392    
29 18 612 24.74 363 8980.12 612 131769 372.70526 -9.70526 94.19208 2.67363    
30 19 595 24.39 398 9708.26 595 158404 361.01808 36.98192 1367.66258 9.29194    
31 20 829 28.79 513 14770.48 829 263169 509.62725 3.37275 11.37545 0.65746    
32 сумма 13629 520.79332 8333 219275.75910 13629 3563599 8333 0.000000000004 14399.50625 111.22785    
33 среднее 681.45 26.03967 416.65 10963.78795 681.45 178179.95 416.65 0.0000000000002 719.97531 5.56    
34   1.84 67.7                  
35 ∂^2   3.386 4582.73                  
36                          
37 Найдем параметры уравнения регрессии                
38                          
39                      
40              = 33.77682                 = -462.88714        
41                        
42     Получаем уравнение регрессии              
43                          
44     Индекс корреляции:                    
45                          
46                        
47             0.9181            
48                          
49                        
50     А индекс детерминации              = 0.8429 , который показывает,что 84,29% вариации результативного
51     признака обьясняется изменением признака-фактора,а 15,71% приходится на долю прочих факторов.  
52                          
53     Средняя ошибка аппроскимации Ai=5,56%, показывает,что модель хорошо приближает исходные данные.
54                          
55     F-критерий Фишера.                    
56                        
57                    = 96.6 значительно превышает   Fтабл=4,41    

Лист3

  A B C D E F G H I J K L M
1 Логарифмическая модель                    
2                          
3                          
4 Построим уравнение регрессии вида:. у = а + blnx              
5                          
6 Заменим переменную: z = lnx.                  
7 Получаем уравнение регрессии вида                  
8                        
9                        
10 Для расчета коэффициентов a и b составим таблицу:              
11                          
12     x z y z*y z^2 y^2 Yx y-Yx (y-Yx)^2 ((y-Yx)/y)  
13   1 554 6.32 302 1907.78 39.907 91204 329.84555 -27.84555 775.37451 9.22038  
14    2 560 6.33 360 2278.06 40.043 129600 334.58963 25.41037 645.68699 7.05844  
15    3 545 6.30 310 1953.24 39.700 96100 322.63221 -12.63221 159.57268 4.07491  
16    4 672 6.51 415 2701.76 42.383 172225 414.88488 0.11512 0.01325 0.02774  
17    5 796 6.68 452 3019.18 44.617 204304 489.46337 -37.46337 1403.50374 8.28836  
18    6 777 6.66 502 3341.03 44.295 252004 478.82370 23.17630 537.14073 4.61679  
19    7 632 6.45 335 2160.38 41.588 112225 387.85771 -52.85771 2793.93788 15.77842  
20    8 688 6.53 416 2718.06 42.690 173056 425.24782 -9.24782 85.52215 2.22303  
21    9 833 6.73 501 3369.24 45.226 251001 509.47291 -8.47291 71.79018 1.69120  
22    10 577 6.36 403 2562.21 40.422 162409 347.76014 55.23986 3051.44210 13.70716  
23    11 610 6.41 352 2257.54 41.132 123904 372.25399 -20.25399 410.22396 5.75397  
24    12 705 6.56 410 2688.86 43.010 168100 435.99764 -25.99764 675.87722 6.34089  
25    13 825 6.72 510 3424.85 45.096 260100 505.22289 4.77711 22.82076 0.93669  
26    14 735 6.60 487 3214.14 43.558 237169 454.35049 32.64951 1065.99079 6.70421  
27    15 785 6.67 516 3439.49 44.431 266256 483.33493 32.66507 1067.00684 6.33044  
28    16 621 6.43 386 2482.49 41.362 148996 380.12495 5.87505 34.51619 1.52203  
29    17 678 6.52 402 2620.70 42.499 161604 418.79961 -16.79961 282.22698 4.17901  
30    18 612 6.42 363 2329.27 41.174 131769 373.69557 -10.69557 114.3953 2.94644  
31    19 595 6.39 398 2542.65 40.814 158404 361.28899 36.71101 1347.69824 9.22387  
32    20 829 6.72 513 3447.47 45.161 263169 507.35303 5.64697 31.88831 1.10077  
33    сумма 13629 130.28533 8333 54458.39718 849.11071 3563599 8333 0.000000000006 14576.62880 111.72475  
34    среднее 681.45 6.51427 416.65 2722.91986 42.45554 178179.95 416.65 0.0000000000003 728.83144 5.59  
35      0.14 67.7                
36    ∂^2   0.020 4582.73                
37                           
38    Найдем параметры уравнения регрессии              
39                          
40                      
41       440.4046       -2452.26279          
42                        
43     Т.е получаем следущее уравнение регрессии:                    
44                          
45     Индекс корреляции:                    
46                          
47                        
48             0.917            
49                          
50                        
51     А индекс детерминации              = 0.841 , который показывает,что 84,1% вариации результативного
52     признака обьясняется изменением признака-фактора,а 15,9% приходится на долю прочих факторов.  
53                          
54     Средняя ошибка аппроскимации Ai=5,59%, показывает,что модель хорошо приближает исходные данные.
55                          
56     F-критерий Фишера.                    
57                        
58                    = 95 значительно превышает   Fтабл=4,41    
59                          
60                          

Информация о работе Решение задачи по парной регрессии. Линейная и нелинейная регрессии