Коэффициенты регрессии и корреляции

Построение линейного уравнения парной регрессии на основе данных о среднедушевом прожиточном минимуме в день на одного трудоспособного жителя страны и о среднедневной заработной плате. Расчет коэффициента парной корреляции и средней ошибки аппроксимации.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 21.02.2011
Размер файла 32,3 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Задача

регрессия корреляция аппроксимация

По территориям региона за некоторый год приводятся данные о среднедушевом прожиточном минимуме в день на одного трудоспособного жителя страны (региона) в рублях, обозначаемые х, и среднедневная заработная плата в рублях - у. Соответственно: х - 78, 82, 87, 79, 89, 106, 67, 88, 73, 87, 76, 115; у - 133, 148, 134, 154, 162, 195, 139, 158, 152, 162, 159, 173. Построить линейное уравнение парной регрессии у от х. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации. Оценить статистическую значимость параметров регрессии и корреляции и самого уравнения регрессии в целом.

Решение

Находим коэффициенты постулируемого уравнения регрессии, а также коэффициент корреляции. Для этого можно воспользоваться следующими формулами:

,

где: ух, уу - среднеквадратические отклонения от средних х и у.

Приведём расчётную таблицу:

у

х

у2

х2

ху

е

е2

А

1

133

78

17689

6084

10374

148,77

-15,77

248,70

-22,75

517,563

17,11

2

148

82

21904

6724

12136

152,45

-4,45

19,82

-7,75

60,0625

5,24

3

134

87

17956

7569

11658

157,05

-23,05

531,48

-21,75

473,063

16,23

4

154

79

23716

6241

12166

149,69

4,31

18,57

-1,75

3,0625

1,14

5

162

89

26244

7921

14418

158,89

3,11

9,64

6,25

39,0625

3,86

6

195

106

38025

11236

20670

174,54

20,46

418,52

39,25

1540,56

20,13

7

139

67

19321

4489

9313

138,65

0,35

0,13

-16,75

280,563

12,05

8

158

88

24964

7744

13904

157,97

0,03

0,00

2,25

5,0625

1,42

9

152

73

23104

5329

11096

144,17

7,83

61,34

-3,75

14,0625

2,47

10

162

87

26244

7569

14094

157,05

4,95

24,46

6,25

39,0625

3,86

11

159

76

25281

5776

12084

146,93

12,07

145,70

3,25

10,5625

2,04

12

173

115

29929

13225

19895

182,83

-9,83

96,55

17,25

297,563

9,97

Сумма

1869

1027

294377

89907

161808

1869,00

0

1574,92

0

3280,25

95,51

Среднее

155,75

85,58

24531,42

7492,25

13484

155,75

0

131,24

0

273,35

7,96

Определим ряд характеристик моделируемых рядов:

Рассчитаем коэффициенты регрессии:

Таким образом, регрессионное уравнение имеет следующий вид:

Определим коэффициент корреляции:

Рассчитаем среднюю ошибку аппроксимации по формуле:

Считается, что модель является приемлемой, если величина ошибки аппроксимации не превышает 10%, следовательно, полученная регрессионная зависимость достаточно хорошо описывает анализируемые данные, поскольку величина .

Для определения значимости полученного уравнения регрессии необходимо рассчитать эмпирическую величину F-критерия Фишера:

Определим величину R2:

Тогда:

По таблице F-распределения Снедекора-Фишера при б = 0,05 и К1 = 1, К2 = 12 - 2 = 10 величина Fт = 4,96. Это означает, что гипотеза Н0 о несущественности связи между y и x с вероятностью ошибочности суждения б = 0,05 отклоняется, то есть связь между этими переменными может быть признана существенной.

Определим значимость коэффициентов регрессии, а также коэффициента корреляции, сопоставив стандартные ошибки с величинами самих коэффициентов:

; ;

;

;

,

где:

На основании данных расчётной таблицы рассчитаем остаточное среднеквадратическое отклонение:

Величины стандартных ошибок для а, b, r равны:

;

;

Из приведённого выше расчётные значения t-критерия Стьюдента можно определить следующим образом:

;

;

Табличное значение t-критерия Стьюдента при б = 0,05 и k = 12-1-1 =10 будет равно tтабл = 1,812. Таким образом, все коэффициенты регрессии и коэффициент корреляции оказались значимы, так как расчётные значения t-критерия выше табличного значения.

Размещено на Allbest.ru


Подобные документы

  • Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

    контрольная работа [141,3 K], добавлен 05.05.2010

  • Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.

    контрольная работа [155,8 K], добавлен 11.12.2010

  • Построение поля корреляции, расчет уравнений линейной парной регрессии, на основе данных о заработной плате и потребительских расходах в расчете на душу населения. Анализ коэффициента эластичности, имея уравнение регрессии себестоимости единицы продукции.

    контрольная работа [817,3 K], добавлен 01.04.2010

  • Исследование зависимости часового заработка одного рабочего от общего стажа работы после окончания учебы с помощью построения уравнения парной линейной регрессии. Вычисление описательных статистик. Построение поля корреляции и гипотезы о форме связи.

    контрольная работа [226,6 K], добавлен 11.08.2015

  • Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

    контрольная работа [250,5 K], добавлен 11.04.2015

  • Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.

    контрольная работа [110,4 K], добавлен 28.07.2012

  • Построение гипотезы о форме связи денежных доходов на душу населения с потребительскими расходами в Уральском и Западно-Сибирском регионах РФ. Расчет параметров уравнений парной регрессии, оценка их качества с помощью средней ошибки аппроксимации.

    контрольная работа [4,5 M], добавлен 05.11.2014

  • Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.

    контрольная работа [108,5 K], добавлен 28.03.2018

  • Исследование зависимости сменной добычи угля на одного рабочего от мощности пласта путем построения уравнения парной линейной регрессии. Построение поля корреляции. Определение интервальных оценок заданных коэффициентов. Средняя ошибка аппроксимации.

    контрольная работа [2,1 M], добавлен 09.08.2013

  • Построение поля корреляции. Расчет параметров уравнений парной регрессии. Зависимость средней ожидаемой продолжительности жизни от некоторых факторов. Изучение "критерия Фишера". Оценка тесноты связи с помощью показателей корреляции и детерминации.

    контрольная работа [173,8 K], добавлен 22.11.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.