Математика спец курс. Контрольная работа 1. Задача 1 Парная регрессия и корреляция
![]()
|
Задача 2 Множественная регрессия и корреляция По 20 предприятиям региона изучается зависимость выработки продукции на одного работника ![]() ![]() ![]() Требуется: Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации. С помощью ![]() ![]() С помощью частных ![]() ![]() ![]() ![]() ![]() Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор. Вариант 7
Решение Для удобства проведения расчетов поместим результаты промежуточных расчетов в таблицу: Таблица 2
Найдем средние квадратические отклонения признаков: ![]() ![]() ![]() Вычисление параметров линейного уравнения множественной регрессии. Для нахождения параметров линейного уравнения множественной регрессии ![]() необходимо решить следующую систему линейных уравнений относительно неизвестных параметров ![]() ![]() ![]() ![]() либо воспользоваться готовыми формулами: ![]() ![]() ![]() Рассчитаем сначала парные коэффициенты корреляции: ![]() ![]() ![]() Находим ![]() ![]() ![]() Таким образом, получили следующее уравнение множественной регрессии: ![]() Коэффициенты ![]() ![]() ![]() ![]() ![]() Т.е. уравнение будет выглядеть следующим образом: ![]() Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что ввод в действие новых основных фондов оказывает большее влияние на выработку продукции, чем удельный вес рабочих высокой квалификации. Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности: ![]() Вычисляем: ![]() ![]() Т.е. увеличение только основных фондов (от своего среднего значения) или только удельного веса рабочих высокой квалификации на 1% увеличивает в среднем выработку продукции на 0,62% или 0,17% соответственно. Таким образом, подтверждается одинаковое влияние на результат ![]() ![]() ![]() Коэффициенты парной корреляции мы уже нашли: ![]() ![]() ![]() Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы ![]() ![]() ![]() Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии. При двух факторах частные коэффициенты корреляции рассчитываются следующим образом: ![]() ![]() Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи. Коэффициент множественной корреляции определить через матрицу парных коэффициентов корреляции: ![]() где ![]() – определитель матрицы парных коэффициентов корреляции; ![]() – определитель матрицы межфакторной корреляции. ![]() ![]() Коэффициент множественной корреляции ![]() Аналогичный результат получим при использовании других формул: ![]() ![]() ![]() Коэффициент множественной корреляции показывает на весьма сильную связь всего набора факторов с результатом. Нескорректированный коэффициент множественной детерминации ![]() ![]() Скорректированный коэффициент множественной детерминации ![]() определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более ![]() ![]() ![]() ![]() Оценку надежности уравнения регрессии в целом и показателя тесноты связи ![]() ![]() ![]() В нашем случае фактическое значение ![]() ![]() Получили, что ![]() ![]() ![]() ![]() ![]() С помощью частных ![]() ![]() ![]() ![]() ![]() ![]() ![]() Найдем ![]() ![]() ![]() ![]() Имеем ![]() ![]() Получили, что ![]() ![]() ![]() ![]() ![]() ![]() Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() Общий вывод состоит в том, что множественная модель с факторами ![]() ![]() ![]() ![]() ![]() ![]() ![]() |