Проверка на предмет наличия (отсутствия) явления автокорреляции
Статистическая зависимость расходов на гостиницу от стоимости путевки. Построение графика и поиск коэффициента корреляции. Параметры линейной модели регрессии. Проверка явления гетероскедастичности на основе критерия корреляции Спирмена, автокорреляция.
Рубрика | Математика |
Вид | задача |
Язык | русский |
Дата добавления | 06.11.2015 |
Размер файла | 304,9 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/
Вариант № 12
Проверка на предмет наличия (отсутствия) явления автокорреляции
По результатам статистического исследования, проведенного в гостинице, получена зависимость расходов (тыс.руб.) от стоимости путевки ( тыс.руб.)
21 |
23 |
24 |
27 |
31 |
33 |
35 |
37 |
48 |
52 |
||
12 |
17 |
15 |
14 |
16 |
12 |
22 |
21 |
31 |
39 |
1. Нанести на график экспериментальные данные ,; найти коэффициент корреляции r и проверить его значимость. Сформулировать вывод.
2. Определить параметры a и b линейной модели регрессии
y = ax + b
и построить ее график.
Проверить параметры a и b на значимость.
Сформулировать вывод.
3. Найти значение отклонений;
4. Проверить уравнение модели на предмет наличия (отсутствия) в ней явления гетероскедастичности на основе критерия ранговой корреляции Спирмена;
5. Проверить уравнение модели на предмет наличия (отсутствия) в ней автокорреляции на основе критериев Дарбина-Уотсона (DW) и Сведа-Эйзенхарта.
6. Сформулировать вывод о результатах исследования и качестве построенной модели.
Решение задачи:
1) Линейный коэффициент корреляции находится по формуле:
№ |
||||||
1 |
21 |
12 |
252 |
441 |
144 |
|
2 |
23 |
17 |
391 |
529 |
289 |
|
3 |
24 |
15 |
360 |
576 |
225 |
|
4 |
27 |
14 |
378 |
729 |
196 |
|
5 |
31 |
16 |
496 |
961 |
256 |
|
6 |
33 |
12 |
396 |
1089 |
144 |
|
7 |
35 |
22 |
770 |
1225 |
484 |
|
8 |
37 |
21 |
777 |
1369 |
441 |
|
9 |
48 |
31 |
1488 |
2304 |
961 |
|
10 |
52 |
39 |
2028 |
2704 |
1521 |
|
Строим корреляционное поле задачи
Рис. № 1 Корреляционное поле задачи
Линейный коэффициент корреляции:
;
;
Вывод:
Связь между (x) и (y) существует. По своему характеру связь является прямой. С ростом фактора (x) увеличивается результирующий фактор (y). По степени жесткости эта связь относится к категории "сильная". То есть, опираться на такую связь при планировании бизнес процессов можно.
Для дальнейшего решения переходим к регрессионному анализу.
2) Оценим степень взаимосвязи между переменными (X) и (y) используя коэффициент ранговой корреляции.
№ |
() |
||||||
1 |
21 |
12 |
1 |
1,5 |
-0,5 |
0.25 |
|
2 |
23 |
17 |
2 |
5 |
-3 |
9 |
|
3 |
24 |
15 |
3 |
3 |
0 |
0 |
|
4 |
27 |
14 |
4 |
2 |
2 |
4 |
|
5 |
31 |
16 |
5 |
4 |
1 |
1 |
|
6 |
33 |
12 |
6 |
1,5 |
4,5 |
20.25 |
|
7 |
35 |
22 |
7 |
7 |
0 |
0 |
|
8 |
37 |
21 |
8 |
6 |
2 |
4 |
|
9 |
48 |
31 |
9 |
8 |
1 |
1 |
|
10 |
52 |
39 |
10 |
9 |
1 |
1 |
|
- |
- |
- |
- |
- |
40,5 |
Ранговый коэффициент корреляции
= ;
;
;
На основании полученных данных мы будем полагаться на значение линейного коэффициента корреляции .
3) Для того, чтобы найти значение параметров (a) и (b) применяются следующие формулы
№ |
||||||
1 |
21 |
12 |
252 |
441 |
144 |
|
2 |
23 |
17 |
391 |
529 |
289 |
|
3 |
24 |
15 |
360 |
576 |
225 |
|
4 |
27 |
14 |
378 |
729 |
196 |
|
5 |
31 |
16 |
496 |
961 |
256 |
|
6 |
33 |
12 |
396 |
1089 |
144 |
|
7 |
35 |
22 |
770 |
1225 |
484 |
|
8 |
37 |
21 |
777 |
1369 |
441 |
|
9 |
48 |
31 |
1488 |
2304 |
961 |
|
10 |
52 |
39 |
2028 |
2704 |
1521 |
|
=
Таким образом уравнение модели:
Построим совмещенный график исходных данных и модели Для построения прямой составим вспомогательную таблицу:
x |
0 |
-21,07 |
|
y |
8,85 |
0 |
Таким образом имеем координаты двух точек
;
После того, как мы нашли параметры модели (a) = 0,42 и (b) = 8,85 и построили совмещенный график исходных данных (корреляционное поле) и положили на это поле линию модели приступим к оценке качества самой модели.
Проверим наличие модели гетероскедастичности. Для этого необходимо проверить существует ли в нашей модели взаимосвязь между фактор признака (x - e),
где x - фактор признака, а e - отклонение.
Для установления этой взаимосвязи будем использовать Ранговый коэффициент корреляции СПИРМЕНА.
;
Для нахождения коэффициента ранговой корреляции построим вспомогательную таблицу:
№ |
() |
() |
|||||||
1 |
21 |
12 |
17,64 |
-5,64 |
1 |
6 |
-5 |
25 |
|
2 |
23 |
17 |
18,51 |
-1,51 |
2 |
1 |
1 |
1 |
|
3 |
24 |
15 |
18,93 |
-3,93 |
3 |
5 |
-2 |
4 |
|
4 |
27 |
14 |
20,19 |
-6,19 |
4 |
8 |
-4 |
16 |
|
5 |
31 |
16 |
21,87 |
-5,87 |
5 |
7 |
-2 |
4 |
|
6 |
33 |
12 |
22,71 |
-10,71 |
6 |
10 |
-4 |
16 |
|
7 |
35 |
22 |
23,55 |
-1,55 |
7 |
2 |
5 |
25 |
|
8 |
37 |
21 |
24,39 |
-3,39 |
8 |
4 |
4 |
16 |
|
9 |
48 |
31 |
29,01 |
1,99 |
9 |
3 |
6 |
36 |
|
10 |
52 |
39 |
30,69 |
8,31 |
10 |
9 |
1 |
1 |
|
- |
- |
- |
- |
- |
- |
- |
144 |
1) =17,64;
=18,51;
=18,93;
=20,19;
=21,87;
=22,71;
=23,55;
=24,39;
=29,01;
= 30,69;
2) = 12 - 17,64 = -5,64
= 17 - 18,51 = -1,51
= 15 - 18,93 = -3,93
= 14 - 20,19 = -6,19
= 16 - 21,87 = -5,87
= 12 - 22,71 = -10,71
= 22 - 23,55 = -1,55
= 21 - 24,39 = - 3,39
= 31 - 29,01 = 1,99
= 39 - 30,69 = 8,31
= 1- = = 1-0,8 = 0,2;
-1 |
0 |
0,2 |
1 |
Вывод:
1. В нашей модели взаимосвязь между факторами признака (x - e) существует, т.к. расположено не близко к нулю.
2. Данная взаимосвязь является прямой (положительное значение ).
3. ;
является больше нашей модели гетероскедастичности нет.
Построим совмещенный график исходных данных модели и покажем на нем отклонения в каждой точке
№ |
|||||
1 |
21 |
12 |
17,64 |
-5,64 |
|
2 |
23 |
17 |
18,51 |
-1,51 |
|
3 |
24 |
15 |
18,93 |
-3,93 |
|
4 |
27 |
14 |
20,19 |
-6,19 |
|
5 |
31 |
16 |
21,87 |
-5,87 |
|
6 |
33 |
12 |
22,71 |
-10,71 |
|
7 |
35 |
22 |
23,55 |
-1,55 |
|
8 |
37 |
21 |
24,39 |
-3,39 |
|
9 |
48 |
31 |
29,01 |
1,99 |
|
10 |
52 |
39 |
30,69 |
8,31 |
Проверим наше уравнение модели на предмет наличия (отсутствия) в ней автокорреляции на основе критериев Дарбина-Уотсона (DW) и Сведа-Эйзенхарта:
DW =
Для расчета критерия составим вспомогательную таблицу:
№ |
||||
1 |
21 |
12 |
-5,64 |
|
2 |
23 |
17 |
-1,51 |
|
3 |
24 |
15 |
-3,93 |
|
4 |
27 |
14 |
-6,19 |
|
5 |
31 |
16 |
-5,87 |
|
6 |
33 |
12 |
-10,71 |
|
7 |
35 |
22 |
-1,55 |
|
8 |
37 |
21 |
-3,39 |
|
9 |
48 |
31 |
1,99 |
|
10 |
52 |
39 |
8,31 |
DW==
= = =0,64
Таким образом значение критерия DW = 0,64
Из таблицы DW (фрагменты) выбираем значение параметр d=0,88;
d = 0,88; (4 - d) = 4 - 0,88 = 3,12
Автокорреляция положительная
Заключение: статистический расход корреляция регрессия
В ходе проведенного статистического исследования получены следующие результаты:
1) Взаимосвязь между факторным признаком (x) и результирующим признаком (y) существует, является прямой и относится к категории сильная, о чем свидетельствует значение линейного коэффициента (корреляционный анализ).
2) Учитывая сильную взаимосвязь между признаками (x) и (y) была построена линейная модель регрессии , которая позволяет функционально описать выявленную ранее взаимосвязь между (x) и (y) .
3) Проведенный анализ качества модели показал, что явление гетероскедастичности отсутствует, явление автокорреляции присутствует, для чего использовались два критерия:
- ранговый коэффициент корреляции
- критерии DW = 0,64.
Таким образом модель не является качественной так как была выявлена автокорреляция. Предлагать к практическому использованию для планирования и прогнозирования соответствующего бизнес-процесса не рекомендуется.
Размещено на Allbest.ru
Подобные документы
Проверка адекватности линейной регрессии. Вычисление выборочного коэффициента корреляции. Обработка одномерной выборки методами статистического анализа. Проверка гипотезы значимости с помощью критерия Пирсона. Составление линейной эмпирической регрессии.
задача [409,0 K], добавлен 17.10.2012Сортировка размера пенсии по возрастанию прожиточного минимума. Параметры уравнений парных регрессий. Значения параметров логарифмической регрессии. Оценка гетероскедастичности линейного уравнения с помощью проведения теста ранговой корреляции Спирмена.
контрольная работа [178,0 K], добавлен 23.11.2013Исследование зависимости потребления бензина в городе от количества автомобилей с помощью методов математической статистики. Построение диаграммы рассеивания и определение коэффициента корреляции. График уравнения линейной регрессии зависимости.
курсовая работа [593,2 K], добавлен 28.06.2009Установление корреляционных связей между признаками многомерной выборки. Статистические параметры регрессионного анализа линейных и нелинейных выборок. Нахождение функций регрессии и проверка гипотезы о значимости выборочного коэффициента корреляции.
курсовая работа [304,0 K], добавлен 02.03.2017Построение модели множественной регрессии теоретических значений динамики ВВП, определение средней ошибки аппроксимации. Выбор фактора, оказывающего большее влияние. Построение парных моделей регрессии. Определение лучшей модели. Проверка предпосылок МНК.
курсовая работа [352,9 K], добавлен 26.01.2010Методика и основные этапы расчета параметров линейного уравнения парной регрессии с помощью программы Excel. Анализ качества построенной модели, с использованием коэффициента парной корреляции, коэффициента детерминации и средней ошибки аппроксимации.
лабораторная работа [22,3 K], добавлен 15.04.2014Составление математической модели для предприятия, характеризующей выручку предприятия "АВС" в зависимости от капиталовложений (млн. руб.) за последние 10 лет. Расчет поля корреляции, параметров линейной регрессии. Сводная таблица расчетов и вычислений.
курсовая работа [862,4 K], добавлен 06.05.2009Механизм и основные этапы нахождения необходимых параметров методом наименьших квадратов. Графическое сравнение линейной и квадратичной зависимостей. Проверка гипотезы о значимости выборочного коэффициента корреляции при заданном уровне значимости.
курсовая работа [782,6 K], добавлен 19.05.2014Нахождение выборочной средней и дисперсии. Построение гистограммы продолжительности телефонных разговоров и нормальной кривой Гаусса. Нахождение групповых средних и коэффициента корреляции. Выборочные характеристики и параметры уравнений регрессии.
контрольная работа [87,8 K], добавлен 30.11.2013Описание способов нахождения коэффициентов регрессии модели полнофакторного эксперимента. Проверка многофакторных статистических гипотез на однородность ряда дисперсий, значимость и устойчивость математических коэффициентов множественной корреляции.
контрольная работа [1,2 M], добавлен 05.08.2010