Экономико-математические методы и прикладные модели

Автор: Пользователь скрыл имя, 22 Октября 2011 в 07:56, курсовая работа

Описание работы

Сделав вычисления параметров всех трех моделей можно сделать вывод, что наиболее качественный подбор данных у линейной и степенной функции, что показывает индекс аппроксимации. Так же об этом говорит и индекс регрессии, который у них ближе к 1. Однако в линейной модели фактор x сильнее влияет на y, о чем свидетельствует коэффициент эластичности. Из этих двух моделей наиболее подходит нам линейная, т.к. более проста в расчетах.

Скачать полностью (104.07 Кб) Сколько стоит заказать работу?
Работа содержит 1 файл

лаба 2 кире.docx

— 113.52 Кб (Скачать)

               Цель  работы:

 выбор уравнения  регрессии, оценка значимости  нелинейных моделей.

               13 вариант

Исходные данные:

     Требуется: 

      1. Построить предложенные уравнения  зависимости цены квартиры от выбранного параметра;

      2. Рассчитать индексы корреляции  и детерминации, средний коэффициент  эластичности;

      3. Оценить каждую модель через среднюю ошибку аппроксимации и F-критерий Фишера 
 
 
 
 
 
 
 
 
 
 
 
 

N Район Общая площадь кухни, кв.м Цена  квартиры, тыс. ус. ед
1 2 6 8
1 Фрунзенская 7,50 54
2 Ленинский пр. 10,00 35
3 Ленинский пр. 13,00 59
4 Академическая 10,00 35
5 Университет 5,50 33
6 Нов.Черемуш. 8,50 57
7 Юго-Западная 10,00 43
8 Коньково 8,50 39
9 Фрунзенская 9,20 70
10 Университет 6,00 43
11 Пр.Вернадск. 5,20 33
12 Ленинский пр. 6,00 37
13 Нов.Черемуш 8,00 33
14 Университет 8,80 31
15 Юго-Запад 8,00 37
16 Юго-Запад 10,00 43
17 Ленинский пр. 8,00 38
18 Академическая 8,00 51
19 Академическая 6,50 30
20 Коньково 8,00 30
21 Коньково 9,60 36
22 Коньково 7,00 33
23 Университет 6,00 35
24 Пр.Вернадск. 6,00 28
25 Пр.Вернадск. 8,60 40
26 Юго-Запад 10,00 33
27 Ленинский пр. 6,00 35
28 Ленинский пр 12,00 75
29 Коньково 10,00 40
30 Коньково 8,00 30
31 Университет 5,50 31
32 Академическая 9,80 37
33 Нов.Черемуш 10,00 40
34 Коньково 8,50 40
35 Фрунзенская 8,00 58
36 Фрунзенская 6,50 48
37 пр.Вернадск. 10,00 40
38 Юго-запад 9,00 42
39 Нов.Черемуш. 8,00 51
40 Коньково 8,50 43
41 Коньково 6,00 30
42 Коньково 8,00 40
43 Коньково 8,50 43
44 Академическая 8,50 53
45 Академическая 6,00 28
46 Коньково 7,80 29
47 Коньково 10,00 37
48 Коньково 6,50 30
49 НовЧеремуш. 9,00 45
50 Университет 9,00 52
51 Фрунзенская 6,20 53
52 Пр.Вернадск. 6,50 32
53 Пр.Вернадск. 6,00 28
54 Юго-Запад 7,00 34
55 Юго-Запад 9,00 42
56 Юго-Запад 7,00 33
57 Академическая 6,00 28
58 Академическая 6,00 30
59 Коньково 7,50 32
60 Коньково 7,50 41
61 Коньково 8,60 43
62 Коньково 6,50 31
63 Ленинский пр. 5,60 33
64 Ленинский пр. 10,00 60
65 Нов.Черемуш 6,00 37
66 Нов.Черемуш 11,00 41
67 Пр.Вернадск. 6,70 35
68 Пр.Вернадск. 5,20 33
69 Юго-Запад 8,00 37
 

Вид регрессии: линейная, гиперболическая, степенная. 
 
 
 
 
 
 
 
 
 
 

Оценки коэффициентов  однофакторной регрессионной модели: 

Где

;  ;  ;  где x- независимая переменная, y - зависимая переменная, n – число элементов выборочной совокупности.

 Для гиперболической модели при переходе к линейной X=1/

 

Для степенной модели . .   

Дисперсионное отношение  Фишера (F – критерий)

         Fрасч=*(n-2),

Индекс корреляции:

Pxy=;

Индекс детерминации D=

Усредненное значение коэффициента эластичности:

Еxy=

Для нелинейной модели: E=f(x)

Средняя ошибка аппроксимации  A=1

x Y y*x x^2 y^ (y-yср)^2 (y-y^)^2 y-y^/y y^2
7,5 54 405 56,25 38,3481825 205,8601 244,9794 0,289848 2916
10 35 350 100 45,89647 21,64272 118,7331 0,311328 1225
13 59 767 169 54,954415 374,3384 16,36676 0,068569 3481
10 35 350 100 45,89647 21,64272 118,7331 0,311328 1225
5,5 33 181,5 30,25 32,3095525 44,25142 0,476718 0,020923 1089
8,5 57 484,5 72,25 41,3674975 300,9471 244,3751 0,274254 3249
10 43 430 100 45,89647 11,20794 8,389538 0,06736 1849
8,5 39 331,5 72,25 41,3674975 0,425331 5,605044 0,060705 1521
9,2 70 644 84,64 43,481018 920,9905 703,2564 0,378843 4900
6 43 258 36 33,81921 11,20794 84,28691 0,213507 1849
5,2 33 171,6 27,04 31,403758 44,25142 2,547989 0,048371 1089
6 37 222 36 33,81921 7,034026 10,11743 0,085967 1369
8 33 264 64 39,85784 44,25142 47,02997 0,207813 1089
8,8 31 272,8 77,44 42,273292 74,86011 127,0871 0,363655 961
8 37 296 64 39,85784 7,034026 8,167249 0,077239 1369
10 43 430 100 45,89647 11,20794 8,389538 0,06736 1849
8 38 304 64 39,85784 2,729679 3,451569 0,048891 1444
8 51 408 64 39,85784 128,7732 124,1477 0,218474 2601
6,5 30 195 42,25 35,3288675 93,16446 28,39683 0,177629 900
8 30 240 64 39,85784 93,16446 97,17701 0,328595 900
9,6 36 345,6 92,16 44,688744 13,33837 75,49427 0,241354 1296
7 33 231 49 36,838525 44,25142 14,73427 0,116319 1089
6 35 210 36 33,81921 21,64272 1,394265 0,033737 1225
6 28 168 36 33,81921 135,7732 33,86321 0,207829 784
8,6 40 344 73,96 41,669429 0,120983 2,786993 0,041736 1600
10 33 330 100 45,89647 44,25142 166,3189 0,390802 1089
6 35 210 36 33,81921 21,64272 1,394265 0,033737 1225
12 75 900 144 51,9351 1249,469 531,9896 0,307532 5625
10 40 400 100 45,89647 0,120983 34,76836 0,147412 1600
8 30 240 64 39,85784 93,16446 97,17701 0,328595 900
5,5 31 170,5 30,25 32,3095525 74,86011 1,714928 0,042244 961
9,8 37 362,6 96,04 45,292607 7,034026 68,76733 0,224125 1369
10 40 400 100 45,89647 0,120983 34,76836 0,147412 1600
8,5 40 340 72,25 41,3674975 0,120983 1,870049 0,034187 1600
8 58 464 64 39,85784 336,6427 329,138 0,312796 3364
6,5 48 312 42,25 35,3288675 69,6862 160,5576 0,263982 2304
10 40 400 100 45,89647 0,120983 34,76836 0,147412 1600
9 42 378 81 42,877155 5,512287 0,769401 0,020885 1764
8 51 408 64 39,85784 128,7732 124,1477 0,218474 2601
8,5 43 365,5 72,25 41,3674975 11,20794 2,665064 0,037965 1849
6 30 180 36 33,81921 93,16446 14,58637 0,127307 900
8 40 320 64 39,85784 0,120983 0,020209 0,003554 1600
8,5 43 365,5 72,25 41,3674975 11,20794 2,665064 0,037965 1849
8,5 53 450,5 72,25 41,3674975 178,1645 135,3151 0,219481 2809
6 28 168 36 33,81921 135,7732 33,86321 0,207829 784
7,8 29 226,2 60,84 39,253977 113,4688 105,144 0,353585 841
10 37 370 100 45,89647 7,034026 79,14718 0,240445 1369
6,5 30 195 42,25 35,3288675 93,16446 28,39683 0,177629 900
9 45 405 81 42,877155 28,59924 4,506471 0,047174 2025
9 52 468 81 42,877155 152,4688 83,2263 0,175439 2704
6,2 53 328,6 38,44 34,423073 178,1645 345,1022 0,350508 2809
6,5 32 208 42,25 35,3288675 58,55577 11,08136 0,104027 1024
6 28 168 36 33,81921 135,7732 33,86321 0,207829 784
7 34 238 49 36,838525 31,94707 8,057224 0,083486 1156
9 42 378 81 42,877155 5,512287 0,769401 0,020885 1764
7 33 231 49 36,838525 44,25142 14,73427 0,116319 1089
6 28 168 36 33,81921 135,7732 33,86321 0,207829 784
6 30 180 36 33,81921 93,16446 14,58637 0,127307 900
7,5 32 240 56,25 38,3481825 58,55577 40,29942 0,198381 1024
7,5 41 307,5 56,25 38,3481825 1,816635 7,032136 0,064678 1681
8,6 43 369,8 73,96 41,669429 11,20794 1,770419 0,030944 1849
6,5 31 201,5 42,25 35,3288675 74,86011 18,73909 0,139641 961
5,6 33 184,8 31,36 32,611484 44,25142 0,150945 0,011773 1089
10 60 600 100 45,89647 414,034 198,9096 0,235059 3600
6 37 222 36 33,81921 7,034026 10,11743 0,085967 1369
11 41 451 121 48,915785 1,816635 62,65965 0,193068 1681
6,7 35 234,5 44,89 35,9327305 21,64272 0,869986 0,026649 1225
5,2 33 171,6 27,04 31,403758 44,25142 2,547989 0,048371 1089
8 37 296 64 39,85784 7,034026 8,167249 0,077239 1369
7,931884 39,65217391 323,342 65,83783         1671,71
          6859,652 5020,994 10,83956  
 

2. Гиперболическая 

x Y y*x x^2 y^ (y-yср)^2 (y-y^)^2 y-y^/y y^2
7,5 54 7,2 0,017778 39,42390027 205,8601 212,4627 0,269928 2916
10 35 3,5 0,01 45,21239853 21,64272 104,2931 0,291783 1225
13 59 4,538462 0,005917 49,2198204 374,3384 95,65191 0,165766 3481
10 35 3,5 0,01 45,21239853 21,64272 104,2931 0,291783 1225
5,5 33 6 0,033058 31,00426645 44,25142 3,982952 0,060477 1089
8,5 57 6,705882 0,013841 42,14789945 300,9471 220,5849 0,260563 3249
10 43 4,3 0,01 45,21239853 11,20794 4,894707 0,051451 1849
8,5 39 4,588235 0,013841 42,14789945 0,425331 9,909271 0,080715 1521
9,2 70 7,608696 0,011815 43,70235551 920,9905 691,5661 0,375681 4900
6 43 7,166667 0,027778 33,63540202 11,20794 87,6957 0,217781 1849
5,2 33 6,346154 0,036982 29,18271105 44,25142 14,57169 0,115675 1089
6 37 6,166667 0,027778 33,63540202 7,034026 11,32052 0,090935 1369
8 33 4,125 0,015625 40,87102484 44,25142 61,95303 0,238516 1089
8,8 31 3,522727 0,012913 42,84437652 74,86011 140,2893 0,382077 961
8 37 4,625 0,015625 40,87102484 7,034026 14,98483 0,104622 1369
10 43 4,3 0,01 45,21239853 11,20794 4,894707 0,051451 1849
8 38 4,75 0,015625 40,87102484 2,729679 8,242784 0,075553 1444
8 51 6,375 0,015625 40,87102484 128,7732 102,5961 0,198607 2601
6,5 30 4,615385 0,023669 35,8617475 93,16446 34,36008 0,195392 900
8 30 3,75 0,015625 40,87102484 93,16446 118,1792 0,362367 900
9,6 36 3,75 0,010851 44,48883625 13,33837 72,06034 0,235801 1296
7 33 4,714286 0,020408 37,77004363 44,25142 22,75332 0,144547 1089
6 35 5,833333 0,027778 33,63540202 21,64272 1,862128 0,038989 1225
6 28 4,666667 0,027778 33,63540202 135,7732 31,75776 0,201264 784
8,6 40 4,651163 0,013521 42,38545752 0,120983 5,690408 0,059636 1600
10 33 3,3 0,01 45,21239853 44,25142 149,1427 0,370073 1089
6 35 5,833333 0,027778 33,63540202 21,64272 1,862128 0,038989 1225
12 75 6,25 0,006944 48,10664766 1249,469 723,2524 0,358578 5625
10 40 4 0,01 45,21239853 0,120983 27,1691 0,13031 1600
8 30 3,75 0,015625 40,87102484 93,16446 118,1792 0,362367 900
5,5 31 5,636364 0,033058 31,00426645 74,86011 1,82E-05 0,000138 961
9,8 37 3,77551 0,010412 44,85800068 7,034026 61,74817 0,212378 1369
10 40 4 0,01 45,21239853 0,120983 27,1691 0,13031 1600
8,5 40 4,705882 0,013841 42,14789945 0,120983 4,613472 0,053697 1600
8 58 7,25 0,015625 40,87102484 336,6427 293,4018 0,295327 3364
6,5 48 7,384615 0,023669 35,8617475 69,6862 147,3372 0,25288 2304
10 40 4 0,01 45,21239853 0,120983 27,1691 0,13031 1600
9 42 4,666667 0,012346 43,28289911 5,512287 1,64583 0,030545 1764
8 51 6,375 0,015625 40,87102484 128,7732 102,5961 0,198607 2601
8,5 43 5,058824 0,013841 42,14789945 11,20794 0,726075 0,019816 1849
6 30 5 0,027778 33,63540202 93,16446 13,21615 0,12118 900
8 40 5 0,015625 40,87102484 0,120983 0,758684 0,021776 1600
8,5 43 5,058824 0,013841 42,14789945 11,20794 0,726075 0,019816 1849
8,5 53 6,235294 0,013841 42,14789945 178,1645 117,7681 0,204757 2809
6 28 4,666667 0,027778 33,63540202 135,7732 31,75776 0,201264 784
7,8 29 3,717949 0,016437 40,31443847 113,4688 128,0165 0,390153 841
10 37 3,7 0,01 45,21239853 7,034026 67,44349 0,221957 1369
6,5 30 4,615385 0,023669 35,8617475 93,16446 34,36008 0,195392 900
9 45 5 0,012346 43,28289911 28,59924 2,948435 0,038158 2025
9 52 5,777778 0,012346 43,28289911 152,4688 75,98785 0,167637 2704
6,2 53 8,548387 0,026015 34,56903077 178,1645 339,7006 0,347754 2809
6,5 32 4,923077 0,023669 35,8617475 58,55577 14,91309 0,12068 1024
6 28 4,666667 0,027778 33,63540202 135,7732 31,75776 0,201264 784
7 34 4,857143 0,020408 37,77004363 31,94707 14,21323 0,110884 1156
9 42 4,666667 0,012346 43,28289911 5,512287 1,64583 0,030545 1764
7 33 4,714286 0,020408 37,77004363 44,25142 22,75332 0,144547 1089
6 28 4,666667 0,027778 33,63540202 135,7732 31,75776 0,201264 784
6 30 5 0,027778 33,63540202 93,16446 13,21615 0,12118 900
7,5 32 4,266667 0,017778 39,42390027 58,55577 55,1143 0,231997 1024
7,5 41 5,466667 0,017778 39,42390027 1,816635 2,48409 0,038441 1681
8,6 43 5 0,013521 42,38545752 11,20794 0,377662 0,014292 1849
6,5 31 4,769231 0,023669 35,8617475 74,86011 23,63659 0,156831 961
5,6 33 5,892857 0,031888 31,56808121 44,25142 2,050391 0,043391 1089
10 60 6 0,01 45,21239853 414,034 218,6732 0,24646 3600
6 37 6,166667 0,027778 33,63540202 7,034026 11,32052 0,090935 1369
11 41 3,727273 0,008264 46,79107987 1,816635 33,53661 0,141246 1681
6,7 35 5,223881 0,022277 36,65924439 21,64272 2,753092 0,047407 1225
5,2 33 6,346154 0,036982 29,18271105 44,25142 14,57169 0,115675 1089
8 37 4,625 0,015625 40,87102484 7,034026 14,98483 0,104622 1369
7,931884 39,65217391 5,09543 0,018232 39,65217391       1671,71
          6859,652 5189,307 11,23719  
 

3. Степенная

Y x x=lnx y=lny y*x x^2 y^2 y^ (y-ycp)^
54 7,5 2,014903 3,988984 8,037416 4,059834 15,91199 37,86934 205,8601
35 10 2,302585 3,555348 8,186491 5,301898 12,6405 44,49433 21,64272
59 13 2,564949 4,077537 10,45868 6,578965 16,62631 51,54181 374,3384
35 10 2,302585 3,555348 8,186491 5,301898 12,6405 44,49433 21,64272
33 5,5 1,704748 3,496508 5,960665 2,906166 12,22557 31,82741 44,25142
57 8,5 2,140066 4,043051 8,652397 4,579883 16,34626 40,62097 300,9471
43 10 2,302585 3,7612 8,660483 5,301898 14,14663 44,49433 11,20794
39 8,5 2,140066 3,663562 7,840264 4,579883 13,42168 40,62097 0,425331
70 9,2 2,219203 4,248495 9,428275 4,924864 18,04971 42,46303 920,9905
43 6 1,791759 3,7612 6,739166 3,210402 14,14663 33,41784 11,20794
33 5,2 1,648659 3,496508 5,764547 2,718075 12,22557 30,84254 44,25142
37 6 1,791759 3,610918 6,469896 3,210402 13,03873 33,41784 7,034026
33 8 2,079442 3,496508 7,270783 4,324077 12,22557 39,26407 44,25142
31 8,8 2,174752 3,433987 7,46807 4,729545 11,79227 41,41829 74,86011
37 8 2,079442 3,610918 7,508693 4,324077 13,03873 39,26407 7,034026
43 10 2,302585 3,7612 8,660483 5,301898 14,14663 44,49433 11,20794
38 8 2,079442 3,637586 7,564148 4,324077 13,23203 39,26407 2,729679
51 8 2,079442 3,931826 8,176002 4,324077 15,45925 39,26407 128,7732
30 6,5 1,871802 3,401197 6,366369 3,503643 11,56814 34,95099 93,16446
30 8 2,079442 3,401197 7,072591 4,324077 11,56814 39,26407 93,16446
36 9,6 2,261763 3,583519 8,105071 5,115572 12,84161 43,48798 13,33837
33 7 1,94591 3,496508 6,80389 3,786566 12,22557 36,43309 44,25142
35 6 1,791759 3,555348 6,370329 3,210402 12,6405 33,41784 21,64272
28 6 1,791759 3,332205 5,970509 3,210402 11,10359 33,41784 135,7732
40 8,6 2,151762 3,688879 7,937591 4,630081 13,60783 40,8881 0,120983
33 10 2,302585 3,496508 8,051006 5,301898 12,22557 44,49433 44,25142
35 6 1,791759 3,555348 6,370329 3,210402 12,6405 33,41784 21,64272
75 12 2,484907 4,317488 10,72855 6,174761 18,6407 49,2809 1249,469
40 10 2,302585 3,688879 8,493959 5,301898 13,60783 44,49433 0,120983
30 8 2,079442 3,401197 7,072591 4,324077 11,56814 39,26407 93,16446
31 5,5 1,704748 3,433987 5,854083 2,906166 11,79227 31,82741 74,86011
37 9,8 2,282382 3,610918 8,241495 5,209269 13,03873 43,99341 7,034026
40 10 2,302585 3,688879 8,493959 5,301898 13,60783 44,49433 0,120983
40 8,5 2,140066 3,688879 7,894446 4,579883 13,60783 40,62097 0,120983
58 8 2,079442 4,060443 8,443454 4,324077 16,4872 39,26407 336,6427
48 6,5 1,871802 3,871201 7,246122 3,503643 14,9862 34,95099 69,6862
40 10 2,302585 3,688879 8,493959 5,301898 13,60783 44,49433 0,120983
42 9 2,197225 3,73767 8,2125 4,827796 13,97017 41,94321 5,512287
51 8 2,079442 3,931826 8,176002 4,324077 15,45925 39,26407 128,7732
43 8,5 2,140066 3,7612 8,049217 4,579883 14,14663 40,62097 11,20794
30 6 1,791759 3,401197 6,094128 3,210402 11,56814 33,41784 93,16446
40 8 2,079442 3,688879 7,670809 4,324077 13,60783 39,26407 0,120983
43 8,5 2,140066 3,7612 8,049217 4,579883 14,14663 40,62097 11,20794
53 8,5 2,140066 3,970292 8,496687 4,579883 15,76322 40,62097 178,1645
28 6 1,791759 3,332205 5,970509 3,210402 11,10359 33,41784 135,7732
29 7,8 2,054124 3,367296 6,916842 4,219424 11,33868 38,71091 113,4688
37 10 2,302585 3,610918 8,314446 5,301898 13,03873 44,49433 7,034026
30 6,5 1,871802 3,401197 6,366369 3,503643 11,56814 34,95099 93,16446
45 9 2,197225 3,806662 8,364092 4,827796 14,49068 41,94321 28,59924
52 9 2,197225 3,951244 8,68177 4,827796 15,61233 41,94321 152,4688
53 6,2 1,824549 3,970292 7,243993 3,32898 15,76322 34,0376 178,1645
32 6,5 1,871802 3,465736 6,487172 3,503643 12,01133 34,95099 58,55577
28 6 1,791759 3,332205 5,970509 3,210402 11,10359 33,41784 135,7732
34 7 1,94591 3,526361 6,861981 3,786566 12,43522 36,43309 31,94707
42 9 2,197225 3,73767 8,2125 4,827796 13,97017 41,94321 5,512287
33 7 1,94591 3,496508 6,80389 3,786566 12,22557 36,43309 44,25142
28 6 1,791759 3,332205 5,970509 3,210402 11,10359 33,41784 135,7732
30 6 1,791759 3,401197 6,094128 3,210402 11,56814 33,41784 93,16446
32 7,5 2,014903 3,465736 6,983122 4,059834 12,01133 37,86934 58,55577
41 7,5 2,014903 3,713572 7,482488 4,059834 13,79062 37,86934 1,816635
43 8,6 2,151762 3,7612 8,093208 4,630081 14,14663 40,8881 11,20794
31 6,5 1,871802 3,433987 6,427745 3,503643 11,79227 34,95099 74,86011
33 5,6 1,722767 3,496508 6,023666 2,967925 12,22557 32,15042 44,25142
60 10 2,302585 4,094345 9,427577 5,301898 16,76366 44,49433 414,034
37 6 1,791759 3,610918 6,469896 3,210402 13,03873 33,41784 7,034026
41 11 2,397895 3,713572 8,904757 5,749902 13,79062 46,93551 1,816635
35 6,7 1,902108 3,555348 6,762654 3,618013 12,6405 35,54964 21,64272
33 5,2 1,648659 3,496508 5,764547 2,718075 12,22557 30,84254 44,25142
37 8 2,079442 3,610918 7,508693 4,324077 13,03873 39,26407 7,034026
39,65217   2,047828 3,65259 7,505781 4,239825 13,39333   99,41525
    141,3001 252,0287 517,8989 292,5479 924,1396   6859,652
 
  1. Для линейной модели:

Расчет коэффициентов  регрессии:

1 = 3,019315063

a=15,7033169

Подставляем в функцию  y=a+b1*x получаем уравнение регрессии

Y=15,7033+3,019315x

Коэффициент корреляции r= 0,517725329

Коэффициент детерминации d= 0,268039517

Качество модели определяет средняя ошибка аппроксимации:

A=1 A= 15,71%

Ex=0,6039% – коэффициент эластичности показывает, что на 0,6039% процентов изменится результативный признак у при изменении факторного признака х на 1%.

Индекс корреляции p= 0,517725329

Индекс детерминации D= 0,268039517

 Оценку статистической значимости уравнения регрессии в целом проведем с помощью F – критерия Фишера F = 24,53499612   Fтабл.~4

  1. Для гиперболической модели:

    Для приведения к  линейному виду заменяем X на 1/x

1 = -173,65

a=62,577

Y=62,577-173,65x- линейный вид 

Индекс корреляции p= 0,493460

Индекс детерминации D= 0,24350

Индекс Фишера F = 21,5661

Качество модели определяет средняя ошибка аппроксимации:

A=1 A= 16,29%

E для нелинейной модели =f’(x)

Ex=-0,57817 – коэффициент эластичности показывает, что на 0,57817% процентов уменьшится результативный признак у при изменении факторного признака х на 1%.

  1. Для степенной функции:

    Для приведения к  линейному виду сделаем замену

      . .

1 = 0,56041

a=2,50497

Y=2,50497+0,56041x- линейный вид 

Индекс корреляции p= 0,50552

Индекс детерминации D= 0,25555

Информация о работе Экономико-математические методы и прикладные модели