Банк рефератов содержит более 364 тысяч рефератов, курсовых и дипломных работ, шпаргалок и докладов по различным дисциплинам: истории, психологии, экономике, менеджменту, философии, праву, экологии. А также изложения, сочинения по литературе, отчеты по практике, топики по английскому.
Полнотекстовый поиск
Всего работ:
364139
Теги названий
Разделы
Авиация и космонавтика (304)
Административное право (123)
Арбитражный процесс (23)
Архитектура (113)
Астрология (4)
Астрономия (4814)
Банковское дело (5227)
Безопасность жизнедеятельности (2616)
Биографии (3423)
Биология (4214)
Биология и химия (1518)
Биржевое дело (68)
Ботаника и сельское хоз-во (2836)
Бухгалтерский учет и аудит (8269)
Валютные отношения (50)
Ветеринария (50)
Военная кафедра (762)
ГДЗ (2)
География (5275)
Геодезия (30)
Геология (1222)
Геополитика (43)
Государство и право (20403)
Гражданское право и процесс (465)
Делопроизводство (19)
Деньги и кредит (108)
ЕГЭ (173)
Естествознание (96)
Журналистика (899)
ЗНО (54)
Зоология (34)
Издательское дело и полиграфия (476)
Инвестиции (106)
Иностранный язык (62791)
Информатика (3562)
Информатика, программирование (6444)
Исторические личности (2165)
История (21319)
История техники (766)
Кибернетика (64)
Коммуникации и связь (3145)
Компьютерные науки (60)
Косметология (17)
Краеведение и этнография (588)
Краткое содержание произведений (1000)
Криминалистика (106)
Криминология (48)
Криптология (3)
Кулинария (1167)
Культура и искусство (8485)
Культурология (537)
Литература : зарубежная (2044)
Литература и русский язык (11657)
Логика (532)
Логистика (21)
Маркетинг (7985)
Математика (3721)
Медицина, здоровье (10549)
Медицинские науки (88)
Международное публичное право (58)
Международное частное право (36)
Международные отношения (2257)
Менеджмент (12491)
Металлургия (91)
Москвоведение (797)
Музыка (1338)
Муниципальное право (24)
Налоги, налогообложение (214)
Наука и техника (1141)
Начертательная геометрия (3)
Оккультизм и уфология (8)
Остальные рефераты (21692)
Педагогика (7850)
Политология (3801)
Право (682)
Право, юриспруденция (2881)
Предпринимательство (475)
Прикладные науки (1)
Промышленность, производство (7100)
Психология (8692)
психология, педагогика (4121)
Радиоэлектроника (443)
Реклама (952)
Религия и мифология (2967)
Риторика (23)
Сексология (748)
Социология (4876)
Статистика (95)
Страхование (107)
Строительные науки (7)
Строительство (2004)
Схемотехника (15)
Таможенная система (663)
Теория государства и права (240)
Теория организации (39)
Теплотехника (25)
Технология (624)
Товароведение (16)
Транспорт (2652)
Трудовое право (136)
Туризм (90)
Уголовное право и процесс (406)
Управление (95)
Управленческие науки (24)
Физика (3462)
Физкультура и спорт (4482)
Философия (7216)
Финансовые науки (4592)
Финансы (5386)
Фотография (3)
Химия (2244)
Хозяйственное право (23)
Цифровые устройства (29)
Экологическое право (35)
Экология (4517)
Экономика (20644)
Экономико-математическое моделирование (666)
Экономическая география (119)
Экономическая теория (2573)
Этика (889)
Юриспруденция (288)
Языковедение (148)
Языкознание, филология (1140)

Реферат: Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде

Название: Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде
Раздел: Рефераты по маркетингу
Тип: реферат Добавлен 23:04:48 31 августа 2011 Похожие работы
Просмотров: 100 Комментариев: 15 Оценило: 2 человек Средний балл: 5 Оценка: неизвестно     Скачать

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ

КАФЕДРА СТАТИСТИКИ

О Т Ч Е Т

о результатах выполнения

компьютерной лабораторной работы

Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде MS Excel

Вариант № 65

Выполнил: ст. III курса гр. 3

Широких Е.Б.

Проверил: доц. Левчегов О.Н.

Липецк 2011 г.

1. Постановка задачи статистического исследования

Корреляционно-регрессионный анализ взаимосвязи признаков является составной частью проводимого статистического исследования деятельности 30-ти предприятий и частично использует результаты ЛР-1.

В ЛР-2 изучается взаимосвязь между факторным признаком Среднегодовая стоимость основных производственных фондов (признак Х ) и результативным признаком Выпуск продукции (признак Y ), значениями которых являются исходные данные ЛР-1 после исключения из них аномальных наблюдений.

Исходные данные
Номер предприятия Среднегодовая стоимость основных производственных фондов, млн.руб. Выпуск продукции, млн. руб.
5 1205,00 945,00
23 1299,50 1255,50
27 1407,50 1080,00
1 1448,00 1390,50
8 1502,00 1485,00
32 1529,00 1566,00
22 1637,00 1336,50
19 1677,50 1282,50
2 1704,50 1525,50
3 1758,50 1701,00
13 1772,00 1809,00
26 1812,50 1660,50
9 1839,50 1741,50
4 1853,00 1890,00
28 1893,50 1687,50
17 1907,00 1728,00
6 1947,50 1620,00
14 1947,50 1971,00
25 1947,50 1755,00
7 2001,50 2187,00
31 2082,50 1755,00
18 2109,50 2052,00
10 2123,00 2173,50
20 2136,50 1755,00
24 2177,00 2011,50
29 2190,50 1849,50
15 2231,00 2389,50
12 2325,50 2295,00
21 2379,50 2362,50
16 2555,00 2565,00

В процессе статистического исследования необходимо решить ряд задач.

1. Установить наличие статистической связи между факторным признаком Х и результативным признаком Y графическим методом.

2. Установить наличие корреляционной связи между признаками Х и Y методом аналитической группировки.

3. Оценить тесноту связи признаков Х и Y на основе эмпирического корреляционного отношения η .

4. Построить однофакторную линейную регрессионную модель связи признаков Х и Y , используя инструмент Регрессия надстройки Пакет анализа, и оценить тесноту связи признаков Х и Y на основе линейного коэффициента корреляции r .

5. Определить адекватность и практическую пригодность построенной линейной регрессионной модели, оценив:

а) значимость и доверительные интервалы коэффициентов а0 , а1 ;

б) индекс детерминации R2 и его значимость;

в) точность регрессионной модели.

6. Дать экономическую интерпретацию:

а) коэффициента регрессии а1 ;

б) коэффициента эластичности К Э ;

в) остаточных величин ε i .

7. Найти наиболее адекватное нелинейное уравнение регрессии с помощью средств инструмента Мастер диаграмм .


2. Выводы по результатам выполнения лабораторной работы

Задача 1 . Установление наличия статистической связи между факторным признаком Х и результативным признаком Y графическим методом.

Статистическая связь является разновидностью стохастической (случайной) связи, при которой с изменением факторного признака X закономерным образом изменяется какой–либо из обобщающих статистических показателей распределения результативного признака Y.

Вывод:

Точечный график связи признаков (диаграмма рассеяния, полученная в ЛР-1 после удаления аномальных наблюдений) позволяет сделать вывод, что имеет место статистическая связь. Предположительный вид связи – линейная прямая.

Задача 2. Установление наличия корреляционной связи между признаками Х и Y методом аналитической группировки.

Корреляционная связь важнейший частный случай стохастической статистической связи, когда под воздействием вариации факторного признака Х закономерно изменяются от группы к группе средние групповые значения результативного признака Y (усредняются результативные значения , полученные под воздействием фактора ). Для выявления наличия корреляционной связи используется метод аналитической группировки.

Вывод:

Результаты выполнения аналитической группировки предприятий по факторному признаку Среднегодовая стоимость основных производственных фондов даны в табл. 2.2 Рабочего файла, которая показывает, что с увеличением значений факторного признака Х закономерно увеличиваются средние групповые значения результативного признака . Следовательно, между признаками Х и Y существует корреляционная связь.

Задача 3. Оценка тесноты связи признаков Х и Y на основе эмпирического корреляционного отношения.

Для анализа тесноты связи между факторным и результативным признаками рассчитывается показатель η – эмпирическое корреляционное отношение, задаваемое формулой

,

где и - соответственно межгрупповая и общая дисперсии результативного признака Y - Выпуск продукции (индекс х дисперсии означает, что оценивается мера влияния признака Х на Y).

Для качественной оценки тесноты связи на основе показателя эмпирического корреляционного отношения служит шкала Чэддока:

Значение η 0,1 – 0,3 0,3 – 0,5 0,5 – 0,7 0,7 – 0,9 0,9 – 0,99
Сила связи Слабая Умеренная Заметная Тесная Весьма тесная

Результаты выполненных расчетов представлены в табл. 2.4 Рабочего файла.

Вывод:

Значение коэффициента η =0,56, что в соответствии с оценочнойшкалой Чэддока говорит о заметной степени связи изучаемых признаков.

Задача 4. Построение однофакторной линейной регрессионной модели связи изучаемых признаков с помощью инструмента Регрессия надстройки Пакет анализа и оценка тесноты связи на основе линейного коэффициента корреляции r.

4.1. Построение регрессионной модели заключается в нахождении аналитического выражения связи между факторным признаком X и результативным признаком Y.

Инструмент Регрессия на основе исходных данных (xi , yi ),производит расчет параметров а0 и а1 уравнения однофакторной линейной регрессии , а также вычисление ряда показателей, необходимых для проверки адекватности построенного уравнения исходным (фактическим) данным.

Примечание. В результате работы инструмента Регрессия получены четыре результативные таблицы (начиная с заданной ячейки А75). Эти таблицы выводятся в Рабочий файл без нумерации, поэтому необходимо присвоить им номера табл.2.5 – табл.2.8 в соответствии с их порядком.

Вывод:

Рассчитанные в табл.2.7 (ячейки В91 и В92) коэффициенты а0 и а1 позволяют построить линейную регрессионную модель связи изучаемых признаков в виде уравнения -728,665+1,089х.

4.2. В случае линейности функции связи для оценки тесноты связи признаков X и Y, устанавливаемой по построенной модели, используется линейный коэффициент корреляции r.

Значение коэффициента корреляции r приводится в табл.2.5 в ячейке В78 (термин "Множественный R").

Вывод:

Значение коэффициента корреляции r =0,913 , что в соответствии с оценочной шкалой Чэддока говорит о весьма тесной степени связи изучаемых признаков.

Задача 5. Анализ адекватности и практической пригодности построенной линейной регрессионной модели.

Анализ адекватности регрессионной модели преследует цель оценить, насколько построенная теоретическая модель взаимосвязи признаков отражает фактическую зависимость между этими признаками, и тем самым оценить практическую пригодность синтезированной модели связи.

Оценка соответствия построенной регрессионной модели исходным (фактическим) значениям признаков X и Y выполняется в 4 этапа:

1) оценка статистической значимости коэффициентов уравнения а0 , а1 и определение их доверительных интервалов для заданного уровня надежности;

2) определение практической пригодности построенной модели на основе оценок линейного коэффициента корреляции r и индекса детерминации R2 ;

3) проверка значимости уравнения регрессии в целом по F-критерию Фишера;

4) оценка погрешности регрессионной модели.

5.1. Оценка статистической значимости коэффициентов уравнения а0 , а1 и определение их доверительных интервалов

Так как коэффициенты уравнения а0 , а1 рассчитывались, исходя из значений признаков только для 30-ти пар (xi , yi ), то полученные значения коэффициентов являются лишь приближенными оценками фактических параметров связи а0 , а1 . Поэтому необходимо:

1. проверить значения коэффициентов на неслучайность (т.е. узнать, насколько они типичны для всей генеральной совокупности предприятий отрасли);

2. определить (с заданной доверительной вероятностью 0,95 и 0,683) пределы, в которых могут находиться значения а0 , а1 для генеральной совокупности предприятий.

Для анализа коэффициентов а0 , а1 линейного уравнения регрессии используется табл.2.7, в которой:

– значения коэффициентов а0 , а1 приведены в ячейках В91 и В92 соответственно;

– рассчитанный уровень значимости коэффициентов уравнения приведен в ячейках Е91 и Е92;

– доверительные интервалы коэффициентов с уровнем надежностиР=0,95 и Р=0,683 указаны в диапазоне ячеек F91:I92.

5.1.1 . Определение значимости коэффициентов уравнения

Уровень значимости – это величина α=1–Р, где Р – заданный уровень надежности (доверительная вероятность).

Режим работы инструмента Регрессия использует по умолчанию уровень надежности Р=0,95. Для этого уровня надежности уровень значимости равен α = 1 – 0,95 = 0,05. Этот уровень значимости считается заданным.

В инструменте Регрессия надстройки Пакет анализа для каждого из коэффициентов а0 и а1 вычисляется уровень его значимости αр , который указан в результативной таблице (табл.2.7 термин "Р-значение"). Если рассчитанный для коэффициентов а0 , а1 уровень значимости αр , меньше заданного уровня значимости α= 0,05, то этот коэффициент признается неслучайным (т.е. типичным для генеральной совокупности), в противном случае – случайным.

Примечание. В случае, если признается случайным свободный член а0 , то уравнение регрессии целесообразно построить заново без свободного члена а0 . В этом случае в диалоговом окне Регрессия необходимо задать те же самые параметры за исключением лишь того, что следует активизировать флажок Константа-ноль (это означает, что модель будет строиться при условии а0 =0). В лабораторной работе такой шаг не предусмотрен.

Если незначимым (случайным) является коэффициент регрессии а1 , то взаимосвязь между признаками X и Yв принципене может аппроксимироваться линейной моделью.

Вывод:

Для свободного члена а0 уравнения регрессии рассчитанный уровень значимости есть αр =0,1. Так как он больше заданного уровня значимости α=0,05, то коэффициент а0 признается случайным .

Для коэффициента регрессии а1 рассчитанный уровень значимости есть αр = Так как он меньше заданного уровня значимости α=0,05, то коэффициент а1 признается типичным.

5.1.2. Зависимость доверительных интервалов коэффициентов уравнения от заданного уровня надежности

Доверительные интервалы коэффициентов а0 , а1 построенного уравнения регрессии при уровнях надежности Р=0,95 и Р=0,683 представлены в табл.2.7, на основе которой формируется табл.2.9.

Таблица 2.9

Границы доверительных интервалов коэффициентов уравнения

Коэффициенты Границы доверительных интервалов
Для уровня надежности Р=0,95 Для уровня надежности Р=0,683
нижняя верхняя нижняя верхняя
а0 -1622,1 164,8 -1173,04 -284,3
а1 0,90 1,28 1,00 1,2

Вывод:

В генеральной совокупности предприятий значение коэффициента а0 следует ожидать с надежностью Р=0,95 в пределах-1622,1а0 164,8 значение коэффициента а1 в пределах 0,90а1 1,28. Уменьшение уровня надежности ведет к сужению доверительных интервалов коэффициентов уравнения.

Определение практической пригодности построенной регрессионной модели.

Практическую пригодность построенной моделиможно охарактеризовать по величине линейного коэффициента корреляции r:

· близость к единице свидетельствует о хорошей аппроксимации исходных (фактических) данных с помощью построенной линейной функции связи ;

· близость к нулю означает, что связь между фактическими данными Х и Y нельзя аппроксимировать как построенной, так и любой другой линейной моделью, и, следовательно, для моделирования связи следует использовать какую-либо подходящую нелинейную модель.

Пригодность построенной регрессионной модели для практического использования можно оценить и по величине индекса детерминации R2 , показывающего, какая часть общей вариации признака Y объясняется в построенной модели вариацией фактора X.

В основе такой оценки лежит равенство R = r(имеющее место для линейных моделей связи), а также шкала Чэддока, устанавливающая качественную характеристику тесноты связи в зависимости от величины r.

Согласно шкале Чэддока высокая степень тесноты связи признаков достигается лишь при >0,7, т.е. при >0,7. Для индекса детерминации R2 это означает выполнение неравенства R2 >0,5.

При недостаточно тесной связи признаков X, Y (слабой, умеренной, заметной) имеет место неравенство 0,7, а следовательно, и неравенство .

С учетом вышесказанного, практическая пригодность построенной модели связи оценивается по величине R2 следующим образом:

· неравенство R2 >0,5 позволяет считать, что построенная модель пригодна для практического применения, т.к. в ней достигается высокая степень тесноты связи признаков X и Y, при которой более 50% вариации признака Y объясняется влиянием фактора Х;

· неравенство означает, что построенная модель связи практического значения не имеет ввиду недостаточной тесноты связи между признаками X и Y, при которойменее 50% вариации признака Y объясняется влиянием фактора Х, и, следовательно, фактор Х влияет на вариацию Y в значительно меньшей степени, чем другие (неучтенные в модели) факторы.

Значение индекса детерминации R2 приводится в табл.2.5 в ячейке В79 (термин "R - квадрат").

Вывод:

Значение линейного коэффициента корреляции r и значение индекса детерминации R2 согласно табл. 2.5 равны: r=0,91, R2 =0,83. Поскольку и , то построенная линейная регрессионная модель связи пригодна для практического использования.

Общая оценка адекватности регрессионной модели по F-критерию Фишера

Адекватность построенной регрессионной модели фактическим данным (xi , yi ) устанавливается по критерию Р.Фишера, оценивающему статистическую значимость (неслучайность) индекса детерминации R2 .

Рассчитанная для уравнения регрессии оценка значимости R2 приведена в табл.2.6 в ячейке F86 (термин "Значимость F"). Если она меньше заданного уровня значимости α=0,05, то величина R2 признается неслучайной и, следовательно, построенное уравнение регрессии может быть использовано как модель связи между признаками Х и Y для генеральной совокупности предприятий отрасли.

Вывод:

Рассчитанный уровень значимостиαр индекса детерминации R2 есть αр =. Так как он меньше заданного уровня значимости α=0,05, то значение R2 признается типичным и модель связи между признаками Х и Y-728,665+1,089х. применима для генеральной совокупности предприятий отрасли в целом.

Погрешность регрессионной модели можно оценить по величине стандартной ошибки построенного линейного уравнения регрессии . Величина ошибки оценивается как среднее квадратическое отклонение по совокупности отклонений исходных (фактических) значений yi признака Y от его теоретических значений , рассчитанных по построенной модели.

Погрешность регрессионной модели выражается в процентах и рассчитывается как величина .100.

В адекватных моделях погрешность не должна превышать 12%-15%.

Значение приводится в выходной таблице "Регрессионная статистика" (табл.2.5) в ячейке В81 (термин "Стандартная ошибка"), значение – в таблице описательных статистик (ЛР-1, Лист 1, табл.3, столбец 2).

Вывод:

Погрешность линейной регрессионной модели составляет что подтверждает адекватность построенной модели-728,665+1,089х

Задача 6. Дать экономическую интерпретацию:

1) коэффициента регрессии а1 ;

3) остаточных величин i .

2) коэффициента эластичности КЭ ;

6.1. Экономическая интерпретация коэффициента регрессии а1

В случае линейного уравнения регрессии =a0 +a1 x величина коэффициента регрессии a1 показывает, на сколько в среднем (в абсолютном выражении) изменяется значение результативного признака Y при изменении фактора Х на единицу его измерения. Знак при a1 показывает направление этого изменения.

Вывод:

Коэффициент регрессии а1 =1,09 показывает, что при увеличении факторного признака Среднегодовая стоимость основных производственных фондов на 1 млн руб. значение результативного признака Выпуск продукции увеличивается в среднем на 1,09 млн. руб.

6.2. Экономическая интерпретация коэффициента эластичности.

С целью расширения возможностей экономического анализа явления используется коэффициент эластичности , которыйизмеряется в процентах и показывает, на сколько процентов изменяется в среднем результативный признак при изменении факторного признака на 1%.

Средние значения и приведены в таблице описательных статистик (ЛР-1, Лист 1, табл.3).

Расчет коэффициента эластичности:

Вывод:

Значение коэффициента эластичности Кэ =1,17 показывает, что при увеличении факторного признака Среднегодовая стоимость основных производственных фондов на 1% значение результативного признака Выпуск продукции увеличивается в среднем на 1,17 %.

6.3. Экономическая интерпретация остаточных величин εi

Каждый их остатков характеризует отклонение фактического значения yi от теоретического значения , рассчитанного по построенной регрессионной модели и определяющего, какого среднего значения следует ожидать, когда фактор Х принимает значение xi .

Анализируя остатки, можно сделать ряд практических выводов, касающихся выпуска продукции на рассматриваемых предприятиях отрасли.

Значения остатков i (таблица остатков из диапазона А98:С128) имеют как положительные, так и отрицательные отклонения от ожидаемого в среднем объема выпуска продукции (которые в итоге уравновешиваются, т.е.).

Экономический интерес представляют наибольшие расхождения между фактическим объемом выпускаемой продукции yi и ожидаемым усредненным объемом .

Вывод:

Согласно таблице остатков максимальное превышение ожидаемого среднего объема выпускаемой продукции имеют три предприятия - с номерами 7,14,30, а максимальные отрицательные отклонения - три предприятия с номерами 18, 19, 28. Именно эти шесть предприятий подлежат дальнейшему экономическому анализу для выяснения причин наибольших отклонений объема выпускаемой ими продукции от ожидаемого среднего объема и выявления резервов роста производства.

Задача 7 . Нахождение наиболее адекватного нелинейного уравнения регрессии с помощью средств инструмента Мастер диаграмм.

Уравнения регрессии и их графики построены для 3-х видов нелинейной зависимости между признаками и представлены на диаграмме 2.1 Рабочего файла.

Уравнения регрессии и соответствующие им индексы детерминации R2 приведены в табл.2.10 (при заполнении данной таблицы коэффициенты уравнений необходимо указывать не в компьютерном формате, а в общепринятой десятичной форме чисел).

Таблица 2.10

Регрессионные модели связи

Вид уравнения Уравнение регрессии

Индекс

детерминации R2

Полином 2-го порядка 5Е-0,5 х2 +0,670х+ 210,7 0,835
Полином 3-го порядка 7E-0,8x3 - 0,0009x2 + 5,0506x – 6265,1 0,8381
Степенная функция 0,2044x1,17 8 9 0,8371

Выбор наиболее адекватного уравнения регрессии определяется максимальным значением индекса детерминации R2: чем ближе значение R2 к единице, тем более точно регрессионная модель соответствует фактическим данным.

Вывод:

Максимальное значение индекса детерминации R2 =0,8381.Следовательно, наиболее адекватное исходным данным нелинейное уравнение регрессии имеет вид7E-0,8x3 - 0,0009x2 + 5,0506x – 6265,1

ПРИЛОЖЕНИЕ

Результативные таблицы и графики

Исходные данные
Номер предприятия Среднегодовая стоимость основных производственных фондов, млн.руб. Выпуск продукции, млн. руб.
1 3608,00 3450,50
2 4244,50 3785,50
3 4378,50 4221,00
4 4613,00 4690,00
5 3005,00 2345,00
6 4847,50 4020,00
7 4981,50 5427,00
8 3742,00 3685,00
9 4579,50 4321,50
10 5283,00 5393,50
12 5785,50 5695,00
13 4412,00 4489,00
14 4847,50 4891,00
15 5551,00 5929,50
16 6355,00 6365,00
17 4747,00 4288,00
18 5249,50 5092,00
19 4177,50 3182,50
20 5316,50 4355,00
21 5919,50 5862,50
22 4077,00 3316,50
23 3239,50 3115,50
24 5417,00 4991,50
25 4847,50 4355,00
26 4512,50 4120,50
27 3507,50 2680,00
28 4713,50 4187,50
29 5450,50 4589,50
31 5182,50 4355,00
32 3809,00 3886,00
Таблица 2.2
Зависимость выпуска продукции от среднегодовой стоимости основных фондов
Номер группы Группы предприятий по стоимости основеных фондов Число предприятий Выпуск продукции
Всего В среднем
на одно
предприятие
1 3005-3675 4 16147,00 4036,75
2 3675-4345 5 19798,50 3959,70
3 4345-5015 11 55543,00 5049,36
4 5015-5685 7 26766,50 3823,79
5 5685-6355 3 12830,50 4276,83
Итого 30 131085,50 4369,52
Таблица 2.3
Показатели внутригрупповой вариации
Номер группы Группы предприятий по стоимости основеных фондов Число предприятий Внутригрупповая дисперсия
1 3005-3675 4 216874,81
2 3675-4345 5 994044,16
3 4345-5015 11 780900,50
4 5015-5685 7 561903,70
5 5685-6355 3 85540,39
Итого 30
Таблица 2.4
Показатели дисперсии и эмпирического корреляционного отношения
Общая дисперсия Средняя из внутригрупповых дисперсия Межгрупповая дисперсия Эмпирическое корреляционное отношение
903163,1081 620585,7564 282577,3517 0,559352496
Выходные таблицы
ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R 0,91318826
R-квадрат 0,833912798
Нормированный R-квадрат 0,827981112
Стандартная ошибка 400,8969854
Наблюдения 30

Дисперсионный анализ
df SS MS F Значимость F
Регрессия 1 22594778,24 22594778,24 140,5861384 1,97601E-12
Остаток 28 4500115,002 160718,3929
Итого 29 27094893,24
Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95%
Y-пересечение -728,6655802 436,1611477 -1,670633856 0,10593656 -1622,101178
Переменная X 1 1,089355181 0,09187519 11,85690257 1,97601E-12 0,901157387
Верхние 95% Нижние 68,3% Верхние 68,3%
Y-пересечение 164,7700179 -1173,045872 -284,2852881
Переменная X 1 1,277552975 0,995748668 1,182961694
ВЫВОД ОСТАТКА
Наблюдение Предсказанное Y Остатки
1 3201,727913 248,7720873
2 3895,102485 -109,6024854
3 4041,07608 179,9239204
4 4296,52987 393,4701305
5 2544,846739 -199,8467386
6 4551,983659 -531,9836595
7 4697,957254 729,0427463
8 3347,701507 337,2984931
9 4260,036471 61,46352902
10 5026,397841 367,1021592
11 5573,798819 121,2011808
12 4077,569478 411,4305218
13 4551,983659 339,0163405
14 5318,345029 611,1549707
15 6194,186595 170,8134052
16 4442,503464 -154,5034638
17 4989,904442 102,0955578
18 3822,115688 -639,6156882
19 5062,891239 -707,8912393
20 5719,772413 142,7275865
21 3712,635493 -396,1354926
22 2800,300529 315,1994715
23 5172,371435 -180,871435
24 4551,983659 -196,9836595
25 4187,049674 -66,54967386
26 3092,247717 -412,247717
27 4406,010065 -218,5100652
28 5208,864834 -619,3648336
29 4916,917645 -561,9176451
30 3420,688304 465,3116959

Рис. 1

Оценить/Добавить комментарий
Имя
Оценка
Комментарии:
Делаю рефераты, курсовые, контрольные, дипломные на заказ. Звоните или пишите вотсап, телеграмм, вайбер 89675558705 Виктория.
19:49:22 13 октября 2021
Привет студентам) если возникают трудности с любой работой (от реферата и контрольных до диплома), можете обратиться на FAST-REFERAT.RU , я там обычно заказываю, все качественно и в срок) в любом случае попробуйте, за спрос денег не берут)
Olya12:39:17 26 августа 2019
.
.12:39:15 26 августа 2019
.
.12:39:14 26 августа 2019
.
.12:39:13 26 августа 2019

Смотреть все комментарии (15)
Работы, похожие на Реферат: Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде

Назад
Меню
Главная
Рефераты
Благодарности
Опрос
Станете ли вы заказывать работу за деньги, если не найдете ее в Интернете?

Да, в любом случае.
Да, но только в случае крайней необходимости.
Возможно, в зависимости от цены.
Нет, напишу его сам.
Нет, забью.



Результаты(286066)
Комментарии (4150)
Copyright © 2005-2021 BestReferat.ru support@bestreferat.ru реклама на сайте

Рейтинг@Mail.ru