|
Эконометрика. Подходящий вариан эконометрики. Решение Построим поле корреляции по исходным данным
Данные параметры можно было определить по функциям («Регрессия»):
Регрессионная статистика
|
|
|
|
|
| Множественный R
| 0,999207284
|
|
|
|
|
| R-квадрат
| 0,998415196
|
|
|
|
|
| Нормированный R-квадрат
| 0,998239106
|
|
|
|
|
| Стандартная ошибка
| 1,078598333
|
|
|
|
|
| Наблюдения
| 11
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
| Регрессия
| 1
| 6596,256903
| 6596,256903
| 5669,9349
| 6,50057E-14
|
| Остаток
| 9
| 10,47036927
| 1,163374363
|
|
|
| Итого
| 10
| 6606,727273
|
|
|
|
|
| Коэффициенты
| Станд. ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Y-пересечение
| 140,6678082
| 1,872802119
| 75,11087626
| 6,6483E-14
| 136,4312355
| 144,9043809
| X
| 18,97706968
| 0,252022965
| 75,29897012
| 6,5006E-14
| 18,40695413
| 19,54718524
| Уравнение линейной регрессии: 140,66+18,98*x
Выводы: Линейный коэффициент парной корреляции 0,9992 означает, что связь между фактором и результатом прямая, очень тесная. Средняя ошибка аппроксимации показывает, что расчетные значения отклоняются от фактических на 0,193%. Так как полученное фактическое значение (F=5669,9) больше, чем Fтабл = 5,12, то уравнение статистически значимо. Также статистически значимы и коэффициенты регрессии, так как по абсолютному значению (ta=75,11 и tb=75,29) они превышают табличное значение Стюдента t=2,262.
б) степенной регрессии
Логарифмируем уравнение и получим уравнение линейной регрессии: . Заменяя значения фактора и результата на логарифмированные, рассчитаем параметры: b=0,479 c=4,68 отсюда Уравнение регрессии примет вид:
.
Рассчитаем параметры качества уравнения регрессии:
№ п/п
| X
| Y
| lnY
| lnX
| lnY*lnX
| (lnX)2
| Yрас
| A
| 1
| 7,5
| 286
| 5,65599
| 2,014903
| 11,3963
| 4,0598342
| 284,021
| 0,00692083
| 2
| 8,4
| 300
| 5,70378
| 2,128232
| 12,139
| 4,5293702
| 299,898
| 0,000338706
| 3
| 6,2
| 258
| 5,55296
| 1,824549
| 10,1316
| 3,3289801
| 259,22
| 0,004730343
| 4
| 6,4
| 262
| 5,56834
| 1,856298
| 10,3365
| 3,4458422
| 263,201
| 0,004583846
| 5
| 5,1
| 237
| 5,46806
| 1,629241
| 8,90879
| 2,6544247
| 236,024
| 0,004119373
| 6
| 8,4
| 300
| 5,70378
| 2,128232
| 12,139
| 4,5293702
| 299,898
| 0,000338706
| 7
| 9
| 311
| 5,73979
| 2,197225
| 12,6116
| 4,8277958
| 309,996
| 0,003227997
| 8
| 5,4
| 243
| 5,49306
| 1,686399
| 9,26349
| 2,8439414
| 242,589
| 0,001692205
| 9
| 7,3
| 279
| 5,63121
| 1,987874
| 11,1941
| 3,9516444
| 280,36
| 0,004873447
| 10
| 8,2
| 296
| 5,69036
| 2,104134
| 11,9733
| 4,4273805
| 296,45
| 0,001518793
| 11
| 8,6
| 303
| 5,71373
| 2,151762
| 12,2946
| 4,6300806
| 303,305
| 0,001005847
| Сумма
| 80,5
| 3075
|
|
|
|
|
| 0,033350091
| Ср.знач.
| 7,32
| 280
|
|
|
|
|
| 0,303
|
b
| c
| a
| Э
| 0,479
| 4,68
| 107,97
| 0,479
|
Параметры, определенные по функциям («Регрессия»):
ВЫВОД ИТОГОВ
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
| Множественный R
| 0,99916262
|
|
|
|
|
| R-квадрат
| 0,99832593
|
|
|
|
|
| Норм. R-квадрат
| 0,99813992
|
|
|
|
|
| Станд. ошибка
| 0,00406828
|
|
|
|
|
| Наблюдения
| 11
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперс. анализ
|
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
| Регрессия
| 1
| 0,08883079
| 0,08883
| 5367,124
| 8,3E-14
|
| Остаток
| 9
| 0,00014895
| 1,7E-05
|
|
|
| Итого
| 10
| 0,08897975
|
|
|
|
|
| Коэфф.
| Станд. ошибка
| t-стат-ка
| P-Значение
| Нижние 95%
| Верхние 95%
| Y-пересечение
| 4,68191087
| 0,01298829
| 360,472
| 4,95E-20
| 4,65253
| 4,711292
| lnX
| 0,47999137
| 0,00655183
| 73,2607
| 8,32E-14
| 0,46517
| 0,494812
| exp
| 107,976204
|
|
|
|
|
| |
|
|