Задание 1
1.Постройте поле корреляции.
2.Рассчитайте параметры линейного, степенного, экспоненциального(показательного), параболического, гиперболического трендов с помощью пакета Excel.
3.Оцените тесноту связи с помощью показателей корреляции и детерминации.
4.Оцените адекватность линейной модели, проверив:
v Случайность колебаний уровней по критерию пиков;
v Соответствие распределения случайной компоненты нормальному закону с помощью RS-критерия;
v Равенство нулю среднего значения случайной компоненты на основе l-критерия Стьюдента;
v Независимость значений уровней случайной компоненты по критерию Дарбина-Уотсона.
С помощью средней ошибки аппроксимации оцените точность уравнения.
5. Оцените с помощью F-критерия Фишера статистическую надёжность нелинейных моделей. Для этого рассчитайте индексы корреляции для каждой модели;
v Вычислите относительную ошибку аппроксимации;
v Проверьте ряд остатков на гомоскедастичность графическим методом.
6.Выберите лучшее уравнение тренда и дайте его обоснование. По выбранному уравнению регрессии рассчитайте прогнозное значение результата, если прогнозное значение фактора увеличится на 10% от его среднего уровня. Определите доверительный интервал прогноза для уровня значимости a=0,05.
7. оцените полученные результаты, выводы оформите.
Район |
Средний размер назначенных ежемесячных пенсий, тыс.руб. у |
Прожиточный минимум в среднем на одного пенсионера в месяц, тыс.руб. х |
|
Брянской обл. |
240 |
228 |
|
Владимир.обл. |
226 |
202 |
|
Ивановск.обл. |
221 |
197 |
|
Калужск.обл. |
226 |
201 |
|
Костромск.обл. |
220 |
189 |
|
г.Москва |
250 |
302 |
|
Московск.олб. |
237 |
215 |
|
Орловск.обл. |
232 |
196 |
|
Рязанск.обл. |
215 |
199 |
|
Смоленск.обл. |
220 |
180 |
|
Тверская обл. |
222 |
181 |
|
Тульская обл. |
231 |
186 |
|
Ярославк.обл. |
229 |
216 |
Решение:
1.Построим поле корреляции:
2. С помощью офисного пакета Microsoft Excel построим различные виды трендов:
Оценим тесноту связи с помощью показателей корреляции и детерминации.
№ |
х |
y |
Y-Yср |
X-Xср |
(Х-Хср)(Y-Yср) |
(Y-Yср)^2 |
(X-Xср)^2 |
|
1 |
228 |
240 |
11,62 |
20,92 |
243,03 |
134,92 |
437,78 |
|
2 |
202 |
226 |
-2,38 |
-5,08 |
12,11 |
5,69 |
25,78 |
|
3 |
197 |
221 |
-7,38 |
-10,08 |
74,41 |
54,53 |
101,54 |
|
4 |
201 |
226 |
-2,38 |
-6,08 |
14,49 |
5,69 |
36,93 |
|
5 |
189 |
220 |
-8,38 |
-18,08 |
151,57 |
70,30 |
326,78 |
|
6 |
302 |
250 |
21,62 |
94,92 |
2051,80 |
467,22 |
9010,39 |
|
7 |
215 |
237 |
8,62 |
7,92 |
68,26 |
74,22 |
62,78 |
|
8 |
196 |
232 |
3,62 |
-11,08 |
-40,05 |
13,07 |
122,70 |
|
9 |
199 |
215 |
-13,38 |
-8,08 |
108,11 |
179,15 |
65,24 |
|
10 |
180 |
220 |
-8,38 |
-27,08 |
227,03 |
70,30 |
733,16 |
|
11 |
181 |
222 |
-6,38 |
-26,08 |
166,49 |
40,76 |
680,01 |
|
12 |
186 |
231 |
2,62 |
-21,08 |
-55,12 |
6,84 |
444,24 |
|
13 |
216 |
229 |
0,62 |
8,92 |
5,49 |
0,38 |
79,62 |
|
сумма |
2692 |
2969 |
Х |
Х |
3027,62 |
1123,08 |
12126,92 |
|
среднее |
207,0769 |
228,3846 |
Х |
Х |
Х |
Х |
Х |
Показатель корреляции:
Связь между результатом и фактором прямая и достаточно сильная.
Для определения качества построения модели вычислим коэффициент детерминации:
.
Следовательно, в данной модели учтено 67,24% фактора, оказывающего влияние на результат, а оставшиеся 32,76% составляют факторы, влияющие на результат, но в данную модель не включенные.
Оценим адекватность линейной модели y=1,0847*x
А) Проверим гипотезу о случайности значений остаточной компоненты методом поворотных точек (методом пиков).
Критическое число поворотных точек рассчитывается по формуле:
Количество поворотных точек данной модели равно 4.
t |
Yt |
||||
1 |
240 |
247,312 |
-7,3116 |
53,4595 |
|
2 |
226 |
219,109 |
6,8906 |
47,4804 |
|
3 |
221 |
213,686 |
7,3141 |
53,4961 |
|
4 |
226 |
218,025 |
7,9753 |
63,6054 |
|
5 |
220 |
205,008 |
14,9917 |
224,751 |
|
6 |
250 |
327,579 |
-77,5794 |
6018,56 |
|
7 |
237 |
233,211 |
3,7895 |
14,3603 |
|
8 |
232 |
212,601 |
19,3988 |
376,313 |
|
9 |
215 |
215,855 |
-0,8553 |
0,73154 |
|
10 |
220 |
195,246 |
24,754 |
612,761 |
|
11 |
222 |
196,331 |
25,6693 |
658,913 |
|
12 |
231 |
201,754 |
29,2458 |
855,317 |
|
13 |
229 |
234,295 |
-5,2952 |
28,0391 |
Т.к. количество поворотных точек на графике остаточной компоненты равно необходимому (4=4), то вывода о выполнении гипотезы о случайности значений остаточной компоненты сделать нельзя.
Соответствие ряда остатков нормальному закону распределения определим при помощи R/S-критерия.
Вычислим вариационный размах = и среднеквадратическое отклонение остаточной компоненты:
.
Рассчитаем критерий R/S:
Вычисленное значение критерия R/S попадает в заданный интервал, следовательно, можно сделать вывод об адекватности модели наблюдаемому процессу по данному критерию.
Проверим гипотезу о независимости значений остаточной компоненты
Для проверки данной гипотезы рассчитаем критерий Дарбина-Уотсона (в качестве критических принимаем уровни d1=1,08 и d2=1,36).
t |
Y(t) |
||||||
1 |
240 |
247,312 |
-7,3116 |
53,4595 |
Х |
Х |
|
2 |
226 |
219,109 |
6,8906 |
47,4804 |
14,2022 |
201,702 |
|
3 |
221 |
213,686 |
7,3141 |
53,4961 |
0,4235 |
0,17935 |
|
4 |
226 |
218,025 |
7,9753 |
63,6054 |
0,6612 |
0,43719 |
|
5 |
220 |
205,008 |
14,9917 |
224,751 |
7,0164 |
49,2299 |
|
6 |
250 |
327,579 |
-77,579 |
6018,56 |
-92,571 |
8569,41 |
|
7 |
237 |
233,211 |
3,7895 |
14,3603 |
81,3689 |
6620,9 |
|
8 |
232 |
212,601 |
19,3988 |
376,313 |
15,6093 |
243,65 |
|
9 |
215 |
215,855 |
-0,8553 |
0,73154 |
-20,254 |
410,229 |
|
10 |
220 |
195,246 |
24,754 |
612,761 |
25,6093 |
655,836 |
|
11 |
222 |
196,331 |
25,6693 |
658,913 |
0,9153 |
0,83777 |
|
12 |
231 |
201,754 |
29,2458 |
855,317 |
3,5765 |
12,7914 |
|
13 |
229 |
234,295 |
-5,2952 |
28,0391 |
-34,541 |
1193,08 |
|
Сумма |
|
|
48,9876 |
9007,79 |
|
17958,3 |
Вычисленное значение d попадает в интервал между d2=1,36 и 2.
Таким образом, ряд остатков некоррелирован. Свойство взаимной независимости уровней остаточной компоненты подтверждается. Модель адекватна по этому критерию.
Вычислим среднюю ошибку аппроксимации:
t |
Y |
||||
1 |
240 |
247,312 |
-7,312 |
3,047 |
|
2 |
226 |
219,109 |
6,891 |
3,049 |
|
3 |
221 |
213,686 |
7,314 |
3,310 |
|
4 |
226 |
218,025 |
7,975 |
3,529 |
|
5 |
220 |
205,008 |
14,992 |
6,814 |
|
6 |
250 |
327,579 |
-77,579 |
31,032 |
|
7 |
237 |
233,211 |
3,790 |
1,599 |
|
8 |
232 |
212,601 |
19,399 |
8,362 |
|
9 |
215 |
215,855 |
-0,855 |
0,398 |
|
10 |
220 |
195,246 |
24,754 |
11,252 |
|
11 |
222 |
196,331 |
25,669 |
11,563 |
|
12 |
231 |
201,754 |
29,246 |
12,661 |
|
13 |
229 |
234,295 |
-5,295 |
2,312 |
|
Сумма |
|
|
|
98,926 |
Следовательно, модель является точной.
Вычислим для каждой модели индекс корреляции:
Степенная функция:
t |
X |
Y |
Yрасч |
(Y-Yср)^2 |
(Yрасч-Yср)^2 |
|
1 |
228 |
240 |
234,39 |
134,92 |
36,12 |
|
2 |
202 |
226 |
227,36 |
5,69 |
1,04 |
|
3 |
197 |
221 |
225,94 |
54,53 |
6,00 |
|
4 |
201 |
226 |
227,08 |
5,69 |
1,70 |
|
5 |
189 |
220 |
223,59 |
70,30 |
22,97 |
|
6 |
302 |
250 |
251,56 |
467,22 |
537,27 |
|
7 |
215 |
237 |
230,96 |
74,22 |
6,63 |
|
8 |
196 |
232 |
225,65 |
13,07 |
7,50 |
|
9 |
199 |
215 |
226,51 |
179,15 |
3,51 |
|
10 |
180 |
220 |
220,87 |
70,30 |
56,54 |
|
11 |
181 |
222 |
221,17 |
40,76 |
52,01 |
|
12 |
186 |
231 |
222,69 |
6,84 |
32,38 |
|
13 |
216 |
229 |
231,23 |
0,38 |
8,09 |
|
Сумма |
2692 |
2969 |
Х |
1123,08 |
771,75 |
|
Среднее |
207,077 |
228,385 |
Х |
Х |
Х |
Экспоненциальная функция:
t |
X |
Y |
Yрасч |
(Y-Yср)^2 |
(Yрасч-Yср)^2 |
|
1 |
228 |
240 |
235,32 |
134,92 |
48,08 |
|
2 |
202 |
226 |
228,68 |
5,69 |
0,09 |
|
3 |
197 |
221 |
227,43 |
54,53 |
0,91 |
|
4 |
201 |
226 |
228,43 |
5,69 |
0,00 |
|
5 |
189 |
220 |
225,44 |
70,30 |
8,69 |
|
6 |
302 |
250 |
255,28 |
467,22 |
723,10 |
|
7 |
215 |
237 |
231,98 |
74,22 |
12,91 |
|
8 |
196 |
232 |
227,18 |
13,07 |
1,45 |
|
9 |
199 |
215 |
227,93 |
179,15 |
0,21 |
|
10 |
180 |
220 |
223,22 |
70,30 |
26,71 |
|
11 |
181 |
222 |
223,46 |
40,76 |
24,23 |
|
12 |
186 |
231 |
224,69 |
6,84 |
13,62 |
|
13 |
216 |
229 |
232,23 |
0,38 |
14,81 |
|
Сумма |
2692 |
2969 |
Х |
1123,08 |
874,81 |
|
Среднее |
207,077 |
228,385 |
Х |
Х |
Х |
Параболическая функция:
t |
X |
Y |
Yрасч |
(Y-Yср)^2 |
(Yрасч-Yср)^2 |
|
1 |
228 |
240 |
240,88 |
134,92 |
156,18 |
|
2 |
202 |
226 |
229,69 |
5,69 |
1,72 |
|
3 |
197 |
221 |
227,06 |
54,53 |
1,75 |
|
4 |
201 |
226 |
229,18 |
5,69 |
0,63 |
|
5 |
189 |
220 |
222,53 |
70,30 |
34,29 |
|
6 |
302 |
250 |
249,78 |
467,22 |
457,94 |
|
7 |
215 |
237 |
235,81 |
74,22 |
55,17 |
|
8 |
196 |
232 |
226,52 |
13,07 |
3,49 |
|
9 |
199 |
215 |
228,13 |
179,15 |
0,06 |
|
10 |
180 |
220 |
216,95 |
70,30 |
130,66 |
|
11 |
181 |
222 |
217,60 |
40,76 |
116,35 |
|
12 |
186 |
231 |
220,73 |
6,84 |
58,65 |
|
13 |
216 |
229 |
236,24 |
0,38 |
61,69 |
|
Сумма |
2692 |
2969 |
Х |
1123,08 |
1078,58 |
|
Среднее |
207,077 |
228,385 |
Х |
Х |
Х |
Коэффициент детерминации максимален у степенной модели. Поэтому лучшим уравнением тренда является:
Рассчитаем прогнозное значение результата, если прогнозное значение фактора увеличится на 10% от его среднего уровня.
- Тема 6. Корреляционно-регрессионный анализ
- Корреляционно-регрессионный анализ
- Корреляционно-регрессионный анализ
- Корреляционный и регрессионный анализ
- 12 Корреляционно-регрессионный анализ
- 79.Корреляционно-регрессионный анализ
- Корреляционно-регрессионный анализ
- 2.2.Корреляционно-регрессионный анализ
- 44. Корреляционно-регрессионный анализ
- Корреляционно-регрессионный анализ.