Автоматизированный априорный анализ статистической совокупности в среде MS Excel

Автор: Пользователь скрыл имя, 18 Ноября 2010 в 14:57, лабораторная работа

Описание работы

Задачи
I. Статистический анализ выборочной совокупности.
II. Статистический анализ генеральной совокупности.

Работа содержит 1 файл

Формат отчета.doc

— 428.50 Кб (Скачать)

      в) точность регрессионной модели.

    1. Дать экономическую интерпретацию:

      а) коэффициента регрессии а1;

      б) коэффициента эластичности КЭ;

      в) остаточных величин εi.

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

 

      2. Выводы по результатам  выполнения лабораторной  работы3

      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 (не имеет) место статистическая связь. Предположительный вид связи – линейная (нелинейная) прямая (обратная).

     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 (незакономерно) увеличиваются (уменьшаются) средние групповые значения  результативного признака . Следовательно, между признаками Х и Y ………………………………................. ...

……....................................................................................................................................

     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 =…………………, что в соответствии с оценочной шкалой Чэддока говорит о  …………………………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 …………………….

     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 =…………… , что в соответствии с оценочной шкалой Чэддока говорит о ..….………………………. 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.
    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  надежности Р=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 Y в принципе не может аппроксимироваться  линейной моделью.

     Вывод:

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

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

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        
а1        

Информация о работе Автоматизированный априорный анализ статистической совокупности в среде MS Excel