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 |
Расчет параметров показательной парной регрессииСодержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Поскольку показательная функция относится к классу нелинейных по оцениваемым параметрам, то построению функции парной показательной регрессии ŷx = a · bx предшествует, как и в случае степенной функции регрессии, процедура линеаризации переменных с помощью логарифмирования обеих частей функции регрессии. После логарифмирования получим следующее выражение: lg ŷх =lg a + x lg b. Введя обозначения переменных и констант Ŷ = lg ŷх, A = lg a, B = lg b, получим линейное уравнение регрессии в новых переменных: Ŷ = A + B x. Для определения параметров все вычисления сведены в табл. 2.3. Таблица 2.3
C учетом табличных данных значения параметров линейной регрессии составят: B = / Sx 2 = (118,400 – 3,767×31,318)/(988,390 – 980,817) = 0,056; A = – B = 3,767 – 0,056×31,318 = 2,013. Таким образом, получено уравнение Ŷ = 2,013 + 0,056 x, или после потенцирования ŷx = 7,486 (1,058) x. На Рис. 9 представлены опытные значения стоимости квадратного метра жилья на первичном рынке и его себестоимости, а также теоретические значения стоимости квадратного метра жилья на первичном рынке в Приволжском федеральном округе. На Рис. 10 выполнено построение показательной функции регрессии.
Рис. 9
Рис. 10 На Рис. 11 и Рис. 12 представлены все построенные функции регрессии
Рис. 11
Рис. 12
Дисперсионный анализ линейной функции регрессии Центральное место в дисперсионном анализе занимает разложение общей суммы квадратов отклонения результирующего показателя y от его среднего значения на две части, а именно на объясненную (факторную) и остаточную: , (*) где – общая сумма квадратов отклонений; – объясненная (факторная) сумма квадратов; – остаточная сумма квадратов.
Результаты расчетов сведены в табл. 2.4.
Таблица 2.4
На основании выполненных расчетов имеем: 860,189 = 632,013 + 226,333. Погрешность равенства 0,2% следует отнести к вычислительной, а следовательно, равенство (*) выполняется. Если коэффициент b изменить в 1,1 раза, то измененное уравнение линейной регрессии будет иметь вид: ŷx = -46,938 + 2,903· x и приведенное выше соотношение (*) выполняться не будет, что следует из расчетов (табл. 2.5). Таблица 2.5
Из таблицы следует: 860,189 ≠ 1585,231 + 1052,769, т.е. . На Рис. 13 результаты дисперсионного анализа для линейной функции регрессии представлены графически.
Рис. 13
Оценка тесноты связи цен на жилье на первичном рынке и себестоимости строительства с помощью показателей корреляции и детерминации Уравнение регрессии всегда дополняется показателем тесноты связи. При использовании линейной регрессии в качестве такого показателя выступает линейный коэффициент корреляции rxy . Существуют различные формы записи линейного коэффициента корреляции. Наиболее часто встречаются следующие: rxy = b (Sx / Sy) = Mxy /(Sx / Sy) = ( – )/ SxSy. Как известно, линейный коэффициент корреляции находится в пределах –1 ≤ rxy ≤ 1. Если коэффициент регрессии b > 0, то 0 ≤ rxy ≤ 1, и наоборот, при b < 0 –1 ≤ rxy ≤ 0. Используя первое выражение для rxy , рассчитаем линейный коэффициент парной корреляции: rxy = b (Sx / Sy) = 2,639 (2,752/8,465) = 0,858. Значение коэффициента корреляции показывает, что связь прямая, то есть с увеличением себестоимости строительства цены жилья на первичном рынке в общих ценах увеличиваются. Для оценки качества подбора линейной функции необходимо определить квадрат линейного коэффициента rxy 2, который называется коэффициентом детерминации линейной функции регрессии. Он характеризует долю дисперсии (разброса) цен на жилье на первичном рынке ŷx, объясняемую зависимостью от себестоимости строительства x, в общей дисперсии, возникающей за счет влияния множества факторов, не учтенных функцией регрессии. Соответственно величина 1 – rxy 2 характеризует долю дисперсии цен на жилье на первичном рынке y, вызванную влиянием остальных не учтенных в математической модели факторов. Определим коэффициент детерминации: ryx 2 = (0,858)2 = 0,736. Следовательно, изменение стоимости цен квадратного метра жилья на первичном рынке на 73,6% объясняется изменением себестоимости строительства.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-04-08; просмотров: 945; 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 - 3.138.113.44 (0.006 с.) |