Множественная регрессия
Построение регрессии в MS Exel и ее анализ с помощью встроенной статистической функции ЛИНЕЙН или инструмента анализа данных Регрессия. Их использование для расчета остатков и графиков подбора линии регрессии, остатков и нормальной вероятности.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 09.02.2012 |
Размер файла | 14,8 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/
Размещено на http://www.allbest.ru/
Множественная регрессия
Решение с помощью MS Exel
Для построения регрессии, и ее анализа можно использовать встроенную статистическую функцию ЛИНЕЙН или инструмент анализа данных Регрессия. функция регрессия инсnрумент exel
1. ЛИНЕЙН
- введите исходные данные;
- выделите область пустых ячеек для вывода результатов;
- вызовите статистическую функцию ЛИНЕЙН;
- заполните аргументы функции, щелкните по кнопке OK;
- в левой верхней ячейке выделенной области появится первый элемент итоговой таблицы. Чтобы раскрыть всю таблицу, нажмите на клавишу F2, а затем - на комбинацию клавиш <CTRL>+<SHIFT>+<ENTER>.
Дополнительная регрессионная статистика будет выводиться в порядке, указанном в следующей схеме.
Значение коэффициента b |
Значение коэффициента a |
|
Среднеквадратическое отклонение b - mb |
Среднеквадратическое отклонение a - ma |
|
Коэффициент детерминации R2 |
Среднеквадратическое отклонение y |
|
F - статистика |
Число степеней свободы - df |
|
SSрег - регрессионная сумма квадратов |
SSост -остаточная сумма квадратов |
2. С помощью инструмента анализа данных Регрессия, помимо результатов регрессионной статистики, дисперсионного анализа и доверительных интервалов, можно получить остатки и графики подбора линии регрессии, остатков и нормальной вероятности. Порядок действия следующий:
- в главном меню выберите Сервис/Анализ данных/Регрессия. Щелкните по кнопке OK;
- заполните диалоговое окно ввода данных и параметров вывода. Щелкните по кнопке OK;
Контрольное задание
Исследуется зависимость урожайности у зерновых культур (ц/га) от ряда факторов (переменных) сельскохозяйственного производства, а именно,
X1 - число тракторов на 100 га;
X2 - число зерноуборочных комбайнов на 100 га;
X3 - число орудий поверхностной обработки почвы на 100 га;
X4 - количество удобрений, расходуемых на гектар (т/га);
X5- количество химических средств защиты растений, расходуемых на гектар (ц/га).
Исходные данные для 20 районов области приведены в таблице 1.
Таблица 1
№ |
Y |
X1 |
X2 |
X3 |
X4 |
|
1 |
10,95 |
1,59 |
0,26 |
2,05 |
0,32 |
|
2 |
9,65 |
0,34 |
0,28 |
0,46 |
0,59 |
|
3 |
10,25 |
2,53 |
0,31 |
2,46 |
0,3 |
|
4 |
11,15 |
4,63 |
0,4 |
6,44 |
0,43 |
|
5 |
10,85 |
2,16 |
0,26 |
2,16 |
0,39 |
|
6 |
9,85 |
2,16 |
0,3 |
2,69 |
0,32 |
|
7 |
13,75 |
0,68 |
0,29 |
0,73 |
0,42 |
|
8 |
8,85 |
0,35 |
0,26 |
0,42 |
0,21 |
|
9 |
8,15 |
0,52 |
0,24 |
0,49 |
0,2 |
|
10 |
14,75 |
3,42 |
0,31 |
3,02 |
1,37 |
|
11 |
10,95 |
1,78 |
0,3 |
3,19 |
0,73 |
|
12 |
11,95 |
2,4 |
0,32 |
3,3 |
0,25 |
|
13 |
13,35 |
9,36 |
0,4 |
11,51 |
0,39 |
|
14 |
10,95 |
1,72 |
0,28 |
2,26 |
0,82 |
|
15 |
8,25 |
0,59 |
0,29 |
0,6 |
0,13 |
|
16 |
8,45 |
0,28 |
0,26 |
0,3 |
0,09 |
|
17 |
9,45 |
1,64 |
0,29 |
1,44 |
0,2 |
|
18 |
9,65 |
0,09 |
0,22 |
0,05 |
0,43 |
|
19 |
14,35 |
0,08 |
0,25 |
0,03 |
0,73 |
|
20 |
9,95 |
1,36 |
0,26 |
0,17 |
0,99 |
Здесь мы располагаем выборкой объема п = 20; число независимых переменных (факторов) m = 5.
Необходимо:
- построить уравнения линейной регрессии, последовательно увеличивая число факторных переменных от одного до пяти;
- определить качество полученных уравнений регрессии и их статистическую значимость;
- оценить статистическую значимость параметров регрессии;
- построить графики остатков для полученных регрессий;
- рассчитать нормированные коэффициенты j.
Таким образом, проанализировав контрольную работу используя встроенную статистическую функцию ЛИНЕЙН и инструмент анализа данных Регрессию, мы:
1. построили уравнения линейной регрессии, последовательно увеличивая число факторных переменных от одного до пяти;
2. определили качество полученных уравнений регрессии и их статистическую значимость;
3. оценили статистическую значимость параметров регрессии;
4. построили графики остатков для полученных регрессий;
5. рассчитали нормированные коэффициенты j.
В ходе исследований, проведенных при анализе контрольной работы, было выявлено, что значение стандартной ошибки t=1,599006627, значения «t - статистика» всех параметров, кроме X4 (t4=2,899065481) имеют абсолютную величину меньше стандартной ошибки, то есть X4 имеет наибольшую значимость.
Размещено на Allbest.ru
Подобные документы
Создание макроса на языке Statistica Visual Basic (SVB) для проверки гипотезы о нормальности остатков множественной регрессии. Возможности программирования на языке SVB в пакете STATISTICA. Проверка гипотезы в модели вторичного рынка жилья в г. Минске.
курсовая работа [573,1 K], добавлен 02.10.2009Методика разработки, практической апробации программы в среде Turbo Pascal по построению графика прямой линии регрессии. Формирование блок-схемы данной программы, ее листинг. Построение графика с помощью математических формул и графического модуля Graph.
контрольная работа [46,2 K], добавлен 22.07.2011Получение навыков работы в Mathcad при использовании интерполяции и регрессии. Постройте функции сглаживания и предсказания данных с помощью различных встроенных функций. Применение операций как калькулятор, математический анализ, матрица и вычисление.
лабораторная работа [205,1 K], добавлен 23.12.2014Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели. Оценка параметров регрессии по методу наименьших квадратов. Нахождение определителей матриц. Применение инструмента Регрессия.
контрольная работа [1,0 M], добавлен 13.01.2013Создание структуры интеллектуального анализа данных. Дерево решений. Характеристики кластера, определение групп объектов или событий. Линейная и логистическая регрессии. Правила ассоциативных решений. Алгоритм Байеса. Анализ с помощью нейронной сети.
контрольная работа [2,0 M], добавлен 13.06.2014Рассмотрение основ проведения корреляционного анализа по исходным данным группы студентов. Построение теоретической и эмпирической линий регрессии; проведение анализа с помощью программы "regres.exe". Представление копий экрана зависимости показателей.
контрольная работа [2,8 M], добавлен 07.06.2014Построение корреляционного поля, гипотеза связи исследуемых факторов. Определение коэффициента корреляции. Оценка статистической значимости вычисленных коэффициентов корреляции. Параметры уравнения линейной парной регрессии, коэффициента эластичности.
реферат [526,7 K], добавлен 10.11.2010Примеры работы с линейной интерполяцией и её результаты в графическом виде. Алгоритм кубической сплайн-интерполяции. Используемые функции линейной, обобщенной, полиномиальной регрессии. Графические возможности программы MathCAD и редактирование графиков.
презентация [2,7 M], добавлен 16.10.2013Разработка программы построения графика экспериментальных точек и полинома регрессии второй степени в среде Turbo Pascal. Блок-схемы алгоритмов используемых процедур. Листинг программы. Составление вектора свободных членов и матрицы коэффициентов.
курсовая работа [46,6 K], добавлен 24.11.2013Алгоритмы кластеризации данных, отбора факторов, построения множественной линейной регрессии, оценки параметров процесса на скользящем постоянном интервале. Решение задач анализа данных на нейронных сетях и результаты моделирования нелинейных функций.
контрольная работа [1,5 M], добавлен 11.01.2016