Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Статистический анализ параметров уравнения регрессии. ⇐ ПредыдущаяСтр 4 из 4 Проверку статистической значимости параметров уравнения регрессии выполним с помощью критерия Стьюдента (t-статистики). Рассчитаем значения t-статистики tрасч и сравним с tтабл. С.О.(а)= = = 88.52 С.О.(b)= = = 1.00379 S2= = =749.976
= = = 1,036 = = =0,003 Tтабл. =2,02 ˂Tтабл. ˂Tтабл. Вывод: Параметр уравнения регрессии а0 и а1 статистически не значим. Следовательно фактор х не оказывает статистически значимое воздействие на изменение у. И его нельзя рассматривать. 4.6. Оценка качества модели в целом по коэффициенту детерминации. 1) Определим коэффициент детерминации: = = 0,071
Для упрощения расчетов составим табл.7
Среднее значение показателя: =110,692308
Вывод: На 0,071 % вариация признака y объясняется влиянием фактора х, т.е можно считать что фактор х не влияет на фактор у. 2) Оценим статистическую значимость Проверяем нулевую гипотезу о том, что коэффициент детерминации в генеральной совокупности равен нулю. Проверку гипотезы осуществляем с помощью F-критерия (критерия Фишера). Для k=1 – число факторов в модели: <Fтабл. Вывод: Проверка статистической значимости коэффициента детерминации показывает, что незначимо отличается от нуля. Нулевая гипотеза принимается с заданным уровнем доверительной вероятности Общий вывод: Построенная для прогноза регрессионная модель неадекватна. V. Прогноз результирующего показателя на следующий период времени. 5.1. Прогноз фактора х при Построим диаграмму зависимости фактора х от показателя времени t в табличном процессе MS Excel и выведем уравнение тренда для
Определим прогнозное значение фактора х для периода времени c помощью функции табличного процесса MS Excel «ТЕНДЕНЦИЯ». Вывод: Ожидаемое значение фактора х для периода 14 = 4014,115385 5.2. Прогноз показателя у для прогнозируемого значения . Модель регрессии с численным коэффициентами имеет вид (из п. 4.2): (x)= 0,0035x+91,72 Для прогнозируемого х = 4014,11 получим: =0,0035*4014,11+91,72 = 105,76 Вывод: Прогнозное значение показателя «среднегодовая численность работников» (у) при х= 4014,11 будет равно = 105,76.
VI. Общие выводы по результатам регрессионного анализа: 1. Корреляционный анализ показал, что между показателями x и y имеется прямая слабая взаимосвязь. 2.Модель регрессии с численными оценками коэффициентов имеет вид: (x)= 0,0035x+91,72 3.Критерий Дaрбина- Уотсона dr=1.83 показал отсутствие автокорреляции. 4. Параметр уравнения регрессии а0 и а1 статистически не значим. Следовательно фактор х не оказывает статистически значимое воздействие на изменение у. И его нельзя рассматривать. Проверка статистической значимости коэффициента детерминации показывает, что незначимо отличается от нуля. Нулевая гипотеза принимается с заданным уровнем доверительной вероятности Построенная для прогноза регрессионная модель неадекватна. 5. Прогнозное значение показателя «среднегодовая численность работников» (у) при х= 4014,11 будет равно = 105,76.
|