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 02.10.2009

  • Методика 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 22.07.2011

  • Получение 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 23.12.2014

  • Анализ 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 13.01.2013

  • Создание 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 13.06.2014

  • Рассмотрение 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 07.06.2014

  • Построение 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 10.11.2010

  • Примеры 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 16.10.2013

  • Разработка 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 24.11.2013

  • Алгоритмы 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

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.