Простой линейный регрессионный анализ (с включением корреляционного анализа)

Автор работы: Пользователь скрыл имя, 16 Февраля 2012 в 23:34, контрольная работа

Описание

Стохастическая зависимость случайной величины Y от величины X, случайной или не случайной, в отличие от функциональной не предполагает однозначности. Каждому значению xÎX отвечает, в целом, множество значений yÎY с условным распределением вероятностей Fx(y) =P(Y<y /X=x). Меж тем стохастическая зависимость не всегда нужна во всей её полноте. Нас могут интересовать частные её проявления, например, как сильно влияет изменение величины X на величину Y (корреляционный анализ), или какова зависимость условной средней M(Y /X = x) от значений xÎX (регрессионный анализ).

Скачать (37.66 Кб) Сколько стоит заказать работу?
Работа состоит из  1 файл

RGZ_V_Sh_MAT.doc

— 180.00 Кб (Скачать документ)

 

ВЫВОД ИТОГОВ              
                 
Регрессионная статистика              
Множественный R 0,085685142              
R-квадрат 0,007341944              
Нормированный R-квадрат -0,013778441              
Стандартная ошибка 0,911552707              
Наблюдения 49              
                 
Дисперсионный анализ              
  df SS MS F Значимость F      
Регрессия 1 0,288850282 0,288850282 0,347623578 0,558285266      
Остаток 47 39,05363185 0,830928337          
Итого 48 39,34248214            
                 
  Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 99,0% Верхние 99,0%
Y-пересечение 0,004327751 0,130808472 0,033084636 0,973747201 -0,258824949 0,26748 -0,34683 0,35549
Переменная X 1 0,07882456 0,133692468 0,589596115 0,558285266 -0,19012999 0,347779 -0,28008 0,437729
 
 
 
 
 
 
 
 
 
 
 

 

ВЫВОД ОСТАТКА  
            Z
Наблюдение Предсказанное Y Остатки -2,2 -112,505
1 -45,01565813 0,545395138 -2 -102,689
2 12,45483678 -1,899992743 -1,8 -92,8731
3 -24,22701189 0,596398905 -1,6 -83,0573
4 26,82865388 0,06727814 -1,4 -73,2415
5 -65,26799164 -1,337000882 -1,2 -63,4258
6 54,9420531 0,892946462 -1 -53,61
7 25,45478495 0,235682336 -0,8 -43,7942
8 -14,71644421 0,80215184 -0,6 -33,9785
9 -18,11934064 0,854590295 -0,4 -24,1627
10 -22,9557521 0,015280745 -0,2 -14,347
11 24,22436795 -0,385582991 0 -4,53119
12 -62,01909263 -0,470152155 0,2 5,284576
13 -6,098949919 -0,336719856 0,4 15,10034
14 -91,13330763 -0,288534772 0,6 24,91611
15 -34,82549317 -0,593140897 0,8 34,73187
16 10,42787375 1,259254814 1 44,54764
17 -18,65464903 -0,629645665 1,2 54,3634
18 -45,31182417 0,189463705 1,4 64,17917
19 53,05379933 -0,038297008 1,6 73,99493
20 82,03544264 -0,758029111 1,8 83,81069
21 36,03775489 -0,283741243 2 93,62646
22 37,5794029 1,025851635 2,2 103,4422
23 7,020067259 -0,234787721
24 -42,56492323 0,260223971
25 65,15464811 1,20393729
26 3,62141134 -0,459030049
27 4,861313688 -0,163922483
28 51,96209159 -0,280829367
29 54,53730772 0,39758539
30 16,46155929 -0,679735515
31 -23,90188765 0,484643253
32 40,56572517 0,73274554
33 28,97250988 -0,03782611
34 -83,5693565 -0,463381459
35 10,75071035 -0,80083263
36 106,4969271 -1,158306049
37 -46,41982438 1,377123153
38 -17,71414889 -0,006603899
39 35,33907533 0,724584884
40 8,154180081 0,75449219
41 33,99617327 -0,379990577
42 11,85022955 0,765665905
43 -114,014868 -0,069752046
44 -80,78758297 2,298423261
45 53,62559841 0,243981959
46 -49,74270911 -0,542690198
47 69,95512684 -0,780952757
48 -12,35660126 0,568899639
49 -46,37663815 -3,21712227
 

 

 

 

Заключение 

   В результате проделанной работы можно сдать  следующие выводы: 

  1.  Коэффициент  k обеспечивает зависимость Z от X, чтобы он статистически распознавался при упомянутых (невысоких) значениях n, выбираем k = 0,3.
  2. Статистика T, вычисленная в ячейке E4, не подчинена неравенству |T|>ta, следовательно нет оснований говорить о коррелированности случайных величин X и Y, так как коэффициент корреляции либо 0, либо близок к 0. Заметим, что при r = 0 коэффициенты регрессии также равны нулю, byx= 0 и bxy= 0.
  3. Гипотеза H0 о некоррелированности (независимости) величин X и Y принимается, так как знаки, введенные в ячейки G4:G5, согласуются с абсолютными значениями чисел в ячейках T и ta или, что равнозначно, в ячейках E5 и H5.
  4. Гипотеза H0Z о некоррелированности (независимости) величин X и Z отвергается, так как знаки, введенные в ячейки G4:G5, так как они не согласуются с абсолютными значениями чисел в ячейках F4 и H4 или, что равнозначно, в ячейках F5 и H5.
  5. Если же в первой части работы независимость X и Y обеспечивается способом, каким эмитировались выборки этих величин, то в двумерной выборке X и Z , исследуемой во второй части, это уже исключено.
 

    На  основе проделанной работы можно  утверждать, что программа регрессивного  анализа применяется для исследования регрессии Y по X и Z по X.   Таблица выводит также многие другие характеристики линейной регрессии, её коэффициенты, предсказание, результаты F-теста. 

Информация о работе Простой линейный регрессионный анализ (с включением корреляционного анализа)