Размещено на http://www.allbest.ru/

Всероссийский заочный финансово-экономический институт

Кафедра статистики

Отчет

о результатах выполнения

компьютерной лабораторной работы

Автоматизированный корреляционно-регрессионный анализ взаимосвязи статистических данных в среде MS Excel

Вариант № 6

Выполнил: ст. III курса № з/к 08ФФД 40363

Ржавичева Олеся Николаевна

Проверил: Леонова С.Н.

Орел 2009

Содержание

Корреляционно-регрессионный анализ взаимосвязи признаков является составной частью проводимого статистического исследования деятельности 30-ти предприятий и частично использует результаты ЛР-1.

В ЛР-2 изучается взаимосвязь между факторным признаком Среднегодовая стоимость основных производственных фондов (признак Х) и результативным признаком Выпуск продукции (признак Y), значениями которых являются исходные данные ЛР-1 после исключения из них аномальных наблюдений.

В процессе статистического исследования необходимо решить ряд задач.

1. Установить наличие статистической связи между факторным признаком Х и результативным признаком Y графическим методом.

2. Установить наличие корреляционной связи между признаками Х и Y методом аналитической группировки.

3. Оценить тесноту связи признаков Х и Y на основе эмпирического корреляционного отношения з.

4. Построить однофакторную линейную регрессионную модель связи признаков Х и Y, используя инструмент Регрессия надстройки Пакет анализа, и оценить тесноту связи признаков Х и Y на основе линейного коэффициента корреляции r.

5. Определить адекватность и практическую пригодность построенной линейной регрессионной модели, оценив:

а) значимость и доверительные интервалы коэффициентов а 0, а 1;

б) индекс детерминации R2 и его значимость;

в) точность регрессионной модели.

6. Дать экономическую интерпретацию:

а) коэффициента регрессии а 1;

б) коэффициента эластичности КЭ;

в) остаточных величин еi.

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

2. Выводы по результатам выполнения лабораторной работы

2.1 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 место статистическая связь. Предположительный вид связи - линейная прямая

2.2 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 увеличиваются средние групповые значения результативного признака . Следовательно, между признаками Х и Y прямая связь.

2.3 Оценка тесноты связи признаков Х и Y на основе эмпирического корреляционного отношения

Для анализа тесноты связи между факторным и результативным признаками рассчитывается показатель з - 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:

Результаты выполненных расчетов представлены в табл. 2.4 Рабочего файла.

Вывод:

Значение коэффициента з =0,9028, что в соответствии с оценочной шкалой Чэддока говорит о весьма тестной степени связи изучаемых признаков.

2.4 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

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 а 0 и а 1 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 А 75). 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 В 91 и В 92) коэффициенты а 0 и а 1 позволяют построить линейную регрессионную модель связи изучаемых признаков в виде уравнения -77,412+1,0894х.

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 В 78 (термин "Множественный R").

Вывод:

Значение коэффициента корреляции r =0,9132, что в соответствии с оценочной шкалой Чэддока говорит о весьма тесной степени связи изучаемых признаков.

2.5 Анализ адекватности и практической пригодности построенной линейной регрессионной модели

статистика факторный регрессионный

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 а 0, а 1 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.

Оценка статистической значимости коэффициентов уравнения а 0, а 1 и определение их доверительных интервалов.

Так как коэффициенты уравнения а 0, а 1 рассчитывались, исходя из значений признаков только для 30-ти пар (xi, yi), то полученные значения коэффициентов являются лишь приближенными оценками фактических параметров связи а 0, а 1. 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 а 0, а 1 для генеральной совокупности предприятий.

Для анализа коэффициентов а 0, а 1 линейного уравнения регрессии используется табл.2.7, в которой:

- значения коэффициентов а 0, а 1 приведены в ячейках В 91 и В 92 соответственно;

- рассчитанный уровень значимости коэффициентов уравнения приведен в ячейках Е 91 и Е 92;

- доверительные интервалы коэффициентов с уровнем надежности Р=0,95 и Р=0,683 указаны в диапазоне ячеек F91:I92.

2.6 Определение значимости коэффициентов уравнения

Уровень значимости - это величина б=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 б = 1 - 0,95 = 0,05. Этот уровень значимости считается заданным.

В инструменте Регрессия надстройки Пакет анализа для каждого из коэффициентов а 0 и а 1 вычисляется уровень его значимости бр, который указан в результативной таблице (табл.2.7 термин "Р-значение"). Если рассчитанный для коэффициентов а 0, а 1 уровень значимости бр, меньше заданного уровня значимости б= 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 а 0, то уравнение регрессии целесообразно построить заново без свободного члена а 0. 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 а 0=0). В лабораторной работе такой шаг не предусмотрен.

Если незначимым (случайным) является коэффициент регрессии а 1, то взаимосвязь между признаками X и Y в принципе не может аппроксимироваться линейной моделью.

Вывод:

Для свободного члена а 0 уравнения регрессии рассчитанный уровень значимости есть бр =0,142361588 Так как он больше заданного уровня значимости б=0,05, то коэффициент а 0 признается случайным.

Для коэффициента регрессии а 1 рассчитанный уровень значимости есть бр =0,0197601Е-12. Так как он меньше заданного уровня значимости б=0,05, то коэффициент а 1 признается типичным.

2.7 Зависимость доверительных интервалов коэффициентов уравнения от заданного уровня надежности

Доверительные интервалы коэффициентов а 0, а 1 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

Вывод:

В генеральной совокупности предприятий значение коэффициента а 0 следует ожидать с надежностью Р=0,95 в пределах -182,4574994а 027,63346706, значение коэффициента а 1 в пределах 0,901157387а 11,277552975 Уменьшение уровня надежности ведет к расширению доверительных интервалов коэффициентов уравнения.

2.8 Определение практической пригодности построенной регрессионной модели

Практическую пригодность построенной модели

можно охарактеризовать по величине линейного коэффициента корреляции r:

· близость к единице свидетельствует о хорошей аппроксимации исходных (фактических) данных с помощью построенной линейной функции связи

;

· близость к нулю означает, что связь между фактическими данными Х и Y нельзя аппроксимировать как построенной, так и любой другой линейной моделью, и, следовательно, для моделирования связи следует использовать какую-либо подходящую нелинейную модель.

Пригодность построенной регрессионной модели для практического использования можно оценить и по величине индекса детерминации R2, показывающего, какая часть общей вариации признака Y объясняется в построенной модели вариацией фактора X.

В основе такой оценки лежит равенство R = r (имеющее место для линейных моделей связи), а также шкала Чэддока, устанавливающая качественную характеристику тесноты связи в зависимости от величины r.

Согласно шкале Чэддока высокая степень тесноты связи признаков достигается лишь при >0,7, т.е. при >0,7. Для индекса детерминации R2 это означает выполнение неравенства R2 >0,5.

При недостаточно тесной связи признаков X, Y (слабой, умеренной, заметной) имеет место неравенство 0,7, а следовательно, и неравенство .

С учетом вышесказанного, практическая пригодность построенной модели связи

оценивается по величине R2 следующим образом:

· неравенство R2 >0,5 позволяет считать, что построенная модель пригодна для практического применения, т.к. в ней достигается высокая степень тесноты связи признаков X и Y, при которой более 50% вариации признака Y объясняется влиянием фактора Х;

· неравенство означает, что построенная модель связи практического значения не имеет ввиду недостаточной тесноты связи между признаками X и Y, при которой менее 50% вариации признака Y объясняется влиянием фактора Х, и, следовательно, фактор Х влияет на вариацию Y в значительно меньшей степени, чем другие (неучтенные в модели) факторы.

Значение индекса детерминации R2 приводится в табл.2.5 в ячейке В 79 (термин "R - квадрат").

Вывод:

Значение линейного коэффициента корреляции r и значение индекса детерминации R2 согласно табл. 2.5 равны: : r =0,9132, R2 =0,8339. Поскольку и , то построенная линейная регрессионная модель связи пригодна для практического использования.

2.9 Общая оценка адекватности регрессионной модели по F-критерию Фишера

Адекватность построенной регрессионной модели фактическим данным (xi, yi) устанавливается по критерию Р.Фишера, оценивающему статистическую значимость (неслучайность) индекса детерминации R2.

Рассчитанная для уравнения регрессии оценка значимости R2 приведена в табл.2.6 в ячейке F86 (термин "Значимость F"). Если она меньше заданного уровня значимости б=0,05, то величина R2 признается неслучайной и, следовательно, построенное уравнение регрессии

может быть использовано как модель связи между признаками Х и Y для генеральной совокупности предприятий отрасли.

Вывод:

Рассчитанный уровень значимости бр индекса детерминации R2 есть бр=0,0197 Так как он меньше заданного уровня значимости б=0,05, то значение R2 признается типичным и модель связи между признаками Х и Y -77,412+1,0894х

применима для генеральной совокупности предприятий отрасли в целом.

2.10 Оценка погрешности регрессионной модели

Погрешность регрессионной модели можно оценить по величине стандартной ошибки построенного линейного уравнения регрессии