Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Парный нелинейный регрессионный анализ↑ ⇐ ПредыдущаяСтр 5 из 5 Содержание книги Поиск на нашем сайте
Запишем в общем виде модель парной нелинейной регрессии (29) Для этого случая математическая запись метода наименьших квадратов имеет вид: (30) Определим параметры модели регрессии с помощью надстройки «Поиск решения». В качестве целевой функции принимаем выражение (30). Так как параметры модели регрессии могут принимать любые значения, то ограничения и граничные условия в математической модели оптимизации отсутствуют. Размещение информации представлено в таблице 13. Расчетные формулы записаны в таблицу 14.
Т а б л и ц а 13 Размещение информации на рабочем листе
Примечание. Символ = * означает, что в эту ячейку записывается формула, символ - копирование формул.
Т а б л и ц а 14 Расчетные формулы
Примечание. В данном примере объем выборки равен 52, число неизвестных параметров регрессии – 3, из которых два связаны с факторным признаком, поэтому
Результаты расчета приведены в таблице 15.
Т а б л и ц а 15 Результаты расчета
Продолжение таблицы 15
Определим параметры модели регрессии с помощью инструмента Регрессия пакета анализа. Для оценки качества модели регрессии используем коэффициент парной корреляции и критерий Фишера. Выходная информация инструмента Регрессия и размещение информации приведены в таблице 16 и таблице 17.
Т а б л и ц а 16 Выходная информация инструмента Регрессия
Т а б л и ц а 17 Размещение информации
Коэффициент парной корреляции соответствует Множественному R регрессионной статистики таблицы 16. Анализ результатов расчета. · Модель парной нелинейной регрессии · Коэффициент парной корреляции т.е. связь между фактическими и теоретическими значениями результативного признака заметная. · Расчетное значение критерия Фишера больше критического, следовательно, уравнение регрессии в целом статистически значимо и его можно использовать для прогноза. · Точечный прогноз: среднее значение рентабельности при равно 29,242. По сравнению с линейной моделью регрессии среднее значение рентабельности увеличилось, но это значение находиться в границах интервального прогноза для линейной модели. Следовательно, в данном случае можно обойтись линейной моделью регрессии. Результаты расчетов свидетельствуют о том, что определять значения параметров нелинейной модели регрессии можно с помощью надстройки Поиск решения и инструмент Регрессия пакета анализа. Многомерный линейный регрессионный анализ
Так как факторные признаки и зависимы между собой, то их нельзя вместе вводить в математическую модель многомерной регрессии. Математическая модель многомерной линейной регрессии: (31) Математическая запись метода наименьших квадратов: (32) Коэффициенты регрессии определяем с помощью инструмента «Регрессия» пакета анализа. Выходная информация представлена в таблице 18. Т а б л и ц а 18 Результаты работы инструмента «Регрессия» Анализ результатов расчета: · Уравнение многомерной линейной регрессии · Критическое значение - статистики равно 2,009. Для параметра модели регрессии при факторном признаке расчетное значение - статистики меньше критического и Р – значение больше 0,05, т.е. этот параметр статистически не значим и он может принимать нулевые значения. · Критическое значение критерия Фишера равно 3,18. Расчетное значение критерия больше критического, следовательно, уравнение регрессии в целом статистически значимо. · Коэффициент детерминации меньше 0,5. Следовательно, среди неучтенных факторных признаков есть еще более существенные, которые необходимо включить в математическую модель многомерной регрессии. Так как один из параметров статистически не значим, то полученную модель нельзя использовать для прогнозирования, но можно использовать для расчетов внутри выборки.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-08-15; просмотров: 323; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.139.234.68 (0.006 с.) |