КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Нахождение параметров линейной регрессии. Нахождение коэффициента корреляции
Нахождение коэффициента корреляции Выбирается пункт меню Сервис – Анализ данных – Корреляция. Задается входной интервал для X и Y – А1:В16 (группирование данных – по столбцам), устанавливается флажок в окошке «Метки» (это означает, что в первой строке – метки (имена данных) – x и y), «Выходной диапазон» - на новый лист или указывается выходной интервал на исходном листе.
Полученная матрица симметрична относительно главной диагонали. Для однофакторной регрессии получаем матрицу следующего вида:
Коэффициент корреляции , что свидетельствует о наличии достаточной линейной зависимости между фактором x и откликом y. Знак «-» означает, что связь обратная – с ростом фактора x отклик y уменьшается. Чтобы найти параметры регрессии, выбираем пункт меню Сервис – Анализ данных – Регрессия. Здесь задаем диапазоны отдельно для Y, отдельно – для X (для многофакторной регрессии в поле «Входной интервал Х» выделяем все значения Х), устанавливаем флажок в окошке «Метки», «Остатки», «График подбора», «Выходной диапазон» – на новый лист, Ок.
Результат получаем в виде нескольких таблиц (таблицы 1.15 – 1.18) и графика подбора (рисунок 1.4). В таблицах жирным шрифтом выделены величины, которые будут использоваться для дальнейших расчетов.
Таблица 1.15 – Регрессионная статистика
Здесь R-квадрат = 0,746 (74,6%) – значит, общее качество модели хорошее; стандартная ошибка = 1,798. Таблица 1.16 – Дисперсионный анализ
Значимость F = 0,000033, что означает, что полученная модель адекватна по критерию Фишера исходным данным с уровнем доверия . Все дальнейшие расчеты выполняются только при условии адекватности модели.
Таблица 1.17 – Коэффициенты модели
Здесь коэффициенты линейной модели , . Оба коэффициента статистически значимы по критерию Стьюдента, т. к. для P-Значение = . и для P-Значение = . Полученная модель .
Таблица 1.18 – Вывод остатка
Здесь «Предсказанное y» – рассчитанные по модели значения отклика.
Рисунок 1.4 – График подбора
Дата добавления: 2014-12-27; Просмотров: 536; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |