Заглавная страница
Избранные статьи
Случайная статья
Познавательные статьи
Новые добавления
Обратная связь
FAQ
Написать работу

ТОП 10 на сайте

Приготовление дезинфицирующих растворов различной концентрации

Техника 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

Главная Избранные Случайная статья Познавательные Новые добавления Обратная связь FAQ Написать работу

Построение регрессионных моделей

↑

⇐ ПредыдущаяСтр 7 из 8Следующая ⇒

В системе Excel

Развитие компьютерных технологий придало новый импульс применению статистических методов анализа данных в экономике, приобщив к статистическому анализу широкий круг практиков, не обладающих фундаментальной математической подготовкой. Статистические программные продукты представляют собой реализованные в компьютерных программах статистические методы обработки данных. Они являются наукоемкими программными продуктами, широко применяемыми в исследовательской и практической деятельности. По данным Международного статистического института, число наименований статистических ППП приближается к тысяче.

Для целей научных исследований применяются продвинутые и достаточно сложные в освоении ППП, например, Statistica, Eviews, квалифицированное использование которых требует глубоких знаний эконометрики и информационных технологий. В практических целях могут быть полезны команды Ехсеl.

В частности, регрессионные модели на пространственных данных могут быть построены с помощью команды Анализ данных. Продемонстрируем работу команды на примере 4.1.1. Актуализация этой команды проводится следующим образом.

1) Проверьте доступ к пакету анализа. Для этого в главном меню последовательно выберите Сервис / Надстройки. Установите флажок Пакет анализа;

2) В главном меню выберите Сервис/Анализ данных/Регрессия. Щелкните по кнопке ОК;

3) Заполните диалоговое окно ввода данных (рис.4.1.3):

Рис. 4.1.3. Диалоговое окно ввода параметров инструмента Регрессия для парной регрессии.

Входной интервал Y – диапазон, содержащий данные результативного показателя;

Входной интервал X – диапазон, содержащий данные факторов.

Щелкните по кнопке ОК. На экране появится Вывод итогов (рис.4.1.4).

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,742667342
R-квадрат	0,551554781
Нормированный R-квадрат	0,506710259

Стандартная ошибка

1,966188382

Наблюдения

Дисперсионный анализ

Регрессия

47,54769912

Остаток

38,65896755

3,865896755

Итого

86,20666667

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

16,15088496

10,58896647

1,525256029

Переменная X 1

2,162241888

0,616544814

3,507031181

Рис. 4.1.4. Результат применения инструмента.

Параметры регрессии, их стандартные ошибки и t-статистики приведены в третьей таблице распечатки. А коэффициент детерминации (R-квадрат) и стандартная ошибка уравнения регрессии в первой таблице Регрессионная статистика.

В том случае, если строится множественная регрессия, актуализация команды Регрессия осуществляется аналогично. Продемонстрируем это на примере 4.1.4. Теперь входной интервал X представляет собой не один столбец, а два столбца (рис.4.1.5)

Рис. 4.1.5. Диалоговое окно ввода параметров инструмента Регрессия для множественной регрессии.

Результаты регрессионного анализа для данных примера 4.1.4 представлены на рис.4.1.6.

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,921508809
R-квадрат	0,849178484
Нормированный R-квадрат	0,815662592
Стандартная ошибка	1,201934558
Наблюдения	12

Дисперсионный анализ
	df	SS	MS
Регрессия	2	73,20484652	36,60242326
Остаток	9	13,00182014	1,444646683
Итого	11	86,20666667

	Коэффициенты	Стандартная ошибка	t-статистика
Y-пересечение	-408,4585437	100,9626404	-4,045640469
Переменная X 1	1,720831351	0,391178515	4,399094747
Переменная X 2	4,337338322	1,029200378	4,21427976

Рис. 4.1.6. Результат применения инструмента.

Как и в случае однофакторной регрессии, коэффициент детерминации и стандартная ошибка уравнения регрессии приведены в первой таблице Регрессионная статистика. В третьей таблице также в соответствующих столбцах приведены параметры регрессии, их стандартные ошибки и t-статистики. Различие состоит в увеличении количества строк таблицы, что связано с увеличением числа параметров регрессионной модели. В примере 4.1.4 их уже не 2, как в однофакторной регрессии, а три.

В случае множественной регрессии требуется проверка мультиколлинеарности факторов. В этом случае в главном меню выберите Сервис/Анализ данных/Корреляция. Щелкните по кнопке ОК;

3) Заполните диалоговое окно ввода данных (рис.4.1.7):

Входной интервал X – диапазон, содержащий набор факторов.

Рис. 4.1.7. Диалоговое окно ввода параметров инструмента Корреляция для парной регрессии примера 4.1.4.

Коэффициент корреляции между факторами x₁, x₂ представлен в ячейке корреляционной матрицы (2,1).

Результаты регрессионного анализа для данных примера 4.1.4 представлены на рис.4.1.8.

	Столбец 1	Столбец 2
Столбец 1	1
Столбец 2	0,267759	1

Рис. 4.1.8. Результат применения инструмента.

⇐ Предыдущая 1 2 3 4 5 678 Следующая ⇒