Множественный корреляционно-регрессионный анализ
Федеральное агентство по образованию
ГОУ ВПО «Уральский Государственный технический университет – УПИ»
Кафедра
Анализа систем и принятия решений
Оценка
за работу:
Множественный корреляционно-регрессионный анализ
Курсовая работа по Математической статистике
Вариант
№15
Руководитель:
Исполнитель:
Группа:
2010
Оглавление
1. Цели и задачи.
Целью
выполнения курсовой работы по дисциплине
«Математическая статистика» является
применение аппарата множественного корреляционно-регрессионного
анализа для исследования взаимосвязей
между экономическими показателями, выработка
навыков использования полученных знаний
для анализа практических ситуаций, обоснования
и выработки адекватных управленческих
решений, а также умение находить решения
поставленных задач на компьютере.
Множественный корреляционно-
При
этом могут быть решены
1)
Определение тесноты связи
2) Определение тесноты связи
3)
Отбор факторов, оказывающих наибольшее
влияние на результативный
4)
Получение конкретного
5)
Прогнозирование поведения
Этапы разработки
множественной регрессионной
- предварительный отбор факторов путем содержательного анализа;
- сбор исходных данных;
- исследование парных связей факторов с результативным показателем и между собой;
- отбор факторов для включения в модель с учетом тесноты связи с результативным показателем и наличия тесных взаимных связей факторов;
- выбор вида уравнения регрессии;
- расчет уравнения регрессии;
- проверка адекватности (значимости) полученной регрессионной модели
2. Исходные данные.
Y3 – рентабельность;
X5 – удельный вес рабочих в составе ППП;
X6 – удельный вес покупных изделий;
X10 – фондоотдача;
X15 – оборачиваемость нормируемых оборотных средств;
X17 – непроизводственные
расходы;
| Y3 | X5 | X6 | X10 | X15 | X17 |
| 13,26 | 0,78 | 0,4 | 1,45 | 166,32 | 17,72 |
| 10,16 | 0,75 | 0,26 | 1,3 | 92,88 | 18,39 |
| 13,72 | 0,68 | 0,4 | 1,37 | 158,04 | 26,46 |
| 12,85 | 0,7 | 0,5 | 1,65 | 93,96 | 22,37 |
| 10,63 | 0,62 | 0,4 | 1,91 | 173,88 | 28,13 |
| 9,12 | 0,76 | 0,19 | 1,68 | 162,3 | 17,55 |
| 25,83 | 0,73 | 0,25 | 1,94 | 88,56 | 21,92 |
| 23,39 | 0,71 | 0,44 | 1,89 | 101,16 | 19,52 |
| 14,68 | 0,69 | 0,17 | 1,94 | 166,32 | 23,99 |
| 10,05 | 0,73 | 0,39 | 2,06 | 140,76 | 21,76 |
| 13,99 | 0,68 | 0,33 | 1,96 | 128,52 | 25,58 |
| 9,68 | 0,74 | 0,25 | 1,02 | 177,84 | 18,13 |
| 10,03 | 0,66 | 0,32 | 1,85 | 114,48 | 25,74 |
| 9,13 | 0,72 | 0,02 | 0,88 | 93,24 | 21,21 |
| 5,37 | 0,68 | 0,06 | 0,62 | 126,72 | 22,97 |
| 9,86 | 0,77 | 0,15 | 1,09 | 91,8 | 16,38 |
| 12,62 | 0,78 | 0,08 | 1,6 | 69,12 | 13,21 |
| 5,02 | 0,78 | 0,2 | 1,53 | 66,24 | 14,48 |
| 21,18 | 0,81 | 0,2 | 1,4 | 67,68 | 13,38 |
| 25,17 | 0,79 | 0,3 | 2,22 | 50,4 | 13,69 |
| 19,4 | 0,77 | 0,24 | 1,32 | 70,56 | 16,66 |
| 21 | 0,78 | 0,1 | 1,48 | 72 | 15,06 |
| 6,57 | 0,72 | 0,11 | 0,68 | 97,2 | 20,09 |
| 14,19 | 0,79 | 0,47 | 2,3 | 80,28 | 15,98 |
| 15,81 | 0,77 | 0,53 | 1,37 | 51,48 | 18,27 |
| 5,23 | 0,8 | 0,34 | 1,51 | 105,12 | 14,42 |
| 7,99 | 0,71 | 0,2 | 1,43 | 128,52 | 22,76 |
| 17,5 | 0,79 | 0,24 | 1,82 | 94,68 | 15,41 |
| 17,16 | 0,76 | 0,54 | 2,62 | 85,32 | 19,35 |
| 14,54 | 0,78 | 0,4 | 1,75 | 76,32 | 16,83 |
| 6,24 | 0,62 | 0,2 | 1,54 | 153 | 30,53 |
| 12,08 | 0,75 | 0,64 | 2,25 | 107,64 | 17,98 |
| 9,49 | 0,71 | 0,42 | 1,07 | 90,72 | 22,09 |
| 9,28 | 0,74 | 0,27 | 1,44 | 82,44 | 18,29 |
| 11,42 | 0,65 | 0,37 | 1,4 | 79,92 | 26,05 |
| 10,31 | 0,66 | 0,38 | 1,31 | 120,96 | 26,2 |
| 8,65 | 0,84 | 0,35 | 1,12 | 84,6 | 17,26 |
| 10,94 | 0,74 | 0,42 | 1,16 | 85,32 | 18,83 |
| 9,87 | 0,75 | 0,32 | 0,88 | 101,52 | 19,7 |
| 6,14 | 0,75 | 0,33 | 1,07 | 107,64 | 16,87 |
| 12,93 | 0,79 | 0,29 | 1,24 | 85,32 | 14,63 |
| 9,78 | 0,72 | 0,3 | 1,49 | 131,76 | 22,17 |
| 13,22 | 0,7 | 0,56 | 2,03 | 116,64 | 22,62 |
| 17,29 | 0,66 | 0,42 | 1,84 | 138,24 | 26,44 |
| 7,11 | 0,69 | 0,26 | 1,22 | 156,96 | 22,26 |
| 22,49 | 0,71 | 0,16 | 1,72 | 137,52 | 19,13 |
| 12,14 | 0,73 | 0,45 | 1,75 | 135,72 | 18,28 |
| 15,25 | 0,65 | 0,31 | 1,46 | 155,52 | 28,23 |
| 31,34 | 0,82 | 0,08 | 1,6 | 48,6 | 12,39 |
| 11,56 | 0,8 | 0,68 | 1,47 | 42,84 | 11,64 |
| 30,14 | 0,83 | 0,03 | 1,38 | 142,2 | 8,62 |
| 19,71 | 0,7 | 0,02 | 1,41 | 145,8 | 20,1 |
| 23,56 | 0,74 | 0,22 | 1,39 | 120,52 | 19,41 |
Требуется :
1.Провести
анализ парных коэффициентов
корреляции между
Оценить коэффициенты парной корреляции, их значимость.
Расчет матрицы парных коэффициентов корреляции произвести в программном пакете STATISTICA 6.0.
2.
Отобрать факторы для
3. На основании отобранных для включения в трехмерную модель показателей провести корреляционный анализ.
3.1. Определить
оценки параметров трехмерного
нормального закона
3.2. Получить
оценку матрицы частных
3.3. Найти
оценки множественных
3.4. Дать
интерпретацию полученным
4.
Построить уравнения множествен
y=b0+b1x1+b2x2
и степенном виде:
y=b0x1b1x2b2 .
5. Оценить качество полученных уравнений регрессии.
5.1.
Оценить уровень значимости
5.2. Оценить значимость коэффициентов детерминации при помощи F-статистики.
5.3. С помощью алгоритма пошагового регрессионного анализа получить уравнение регрессии с максимальным числом значимых коэффициентов регрессии.
6.
Выбрать уравнение регрессии,
наиболее адекватно
7.
Дать интерпретацию полученным
результатам регрессионного
3. Решение поставленной задачи.
- Расчет матрицы парных коэффициентов корреляции шестимерного массива произведем в программном пакете STATISTICA 6.0:
|
С учетом
тесноты связи с результативным
показателем и наличия тесных
взаимных связей факторов отбираем в
трехмерную модель показатели Y3,
X5, X10.
- Оценки математического ожидания, дисперсии и среднеквадратического отклонения находим по формулам
; ;
; ;
; ; ,
пользуясь формуляром:
| Y3 | X5 | X10 | Y3^2 | X5^2 | X10^2 | Y3*X5 | Y3*X10 | X5*X10 |
| 13,26 | 0,78 | 1,45 | 175,8276 | 0,6084 | 2,1025 | 10,3428 | 19,227 | 1,131 |
| 10,16 | 0,75 | 1,3 | 103,2256 | 0,5625 | 1,69 | 7,62 | 13,208 | 0,975 |
| 13,72 | 0,68 | 1,37 | 188,2384 | 0,4624 | 1,8769 | 9,3296 | 18,7964 | 0,9316 |
| 12,85 | 0,7 | 1,65 | 165,1225 | 0,49 | 2,7225 | 8,995 | 21,2025 | 1,155 |
| 10,63 | 0,62 | 1,91 | 112,9969 | 0,3844 | 3,6481 | 6,5906 | 20,3033 | 1,1842 |
| 9,12 | 0,76 | 1,68 | 83,1744 | 0,5776 | 2,8224 | 6,9312 | 15,3216 | 1,2768 |
| 25,83 | 0,73 | 1,94 | 667,1889 | 0,5329 | 3,7636 | 18,8559 | 50,1102 | 1,4162 |
| 23,39 | 0,71 | 1,89 | 547,0921 | 0,5041 | 3,5721 | 16,6069 | 44,2071 | 1,3419 |
| 14,68 | 0,69 | 1,94 | 215,5024 | 0,4761 | 3,7636 | 10,1292 | 28,4792 | 1,3386 |
| 10,05 | 0,73 | 2,06 | 101,0025 | 0,5329 | 4,2436 | 7,3365 | 20,703 | 1,5038 |
| 13,99 | 0,68 | 1,96 | 195,7201 | 0,4624 | 3,8416 | 9,5132 | 27,4204 | 1,3328 |
| 9,68 | 0,74 | 1,02 | 93,7024 | 0,5476 | 1,0404 | 7,1632 | 9,8736 | 0,7548 |
| 10,03 | 0,66 | 1,85 | 100,6009 | 0,4356 | 3,4225 | 6,6198 | 18,5555 | 1,221 |
| 9,13 | 0,72 | 0,88 | 83,3569 | 0,5184 | 0,7744 | 6,5736 | 8,0344 | 0,6336 |
| 5,37 | 0,68 | 0,62 | 28,8369 | 0,4624 | 0,3844 | 3,6516 | 3,3294 | 0,4216 |
| 9,86 | 0,77 | 1,09 | 97,2196 | 0,5929 | 1,1881 | 7,5922 | 10,7474 | 0,8393 |
| 12,62 | 0,78 | 1,6 | 159,2644 | 0,6084 | 2,56 | 9,8436 | 20,192 | 1,248 |
| 5,02 | 0,78 | 1,53 | 25,2004 | 0,6084 | 2,3409 | 3,9156 | 7,6806 | 1,1934 |
| 21,18 | 0,81 | 1,4 | 448,5924 | 0,6561 | 1,96 | 17,1558 | 29,652 | 1,134 |
| 25,17 | 0,79 | 2,22 | 633,5289 | 0,6241 | 4,9284 | 19,8843 | 55,8774 | 1,7538 |
| 19,4 | 0,77 | 1,32 | 376,36 | 0,5929 | 1,7424 | 14,938 | 25,608 | 1,0164 |
| 21 | 0,78 | 1,48 | 441 | 0,6084 | 2,1904 | 16,38 | 31,08 | 1,1544 |
| 6,57 | 0,72 | 0,68 | 43,1649 | 0,5184 | 0,4624 | 4,7304 | 4,4676 | 0,4896 |
| 14,19 | 0,79 | 2,3 | 201,3561 | 0,6241 | 5,29 | 11,2101 | 32,637 | 1,817 |
| 15,81 | 0,77 | 1,37 | 249,9561 | 0,5929 | 1,8769 | 12,1737 | 21,6597 | 1,0549 |
| 5,23 | 0,8 | 1,51 | 27,3529 | 0,64 | 2,2801 | 4,184 | 7,8973 | 1,208 |
| 7,99 | 0,71 | 1,43 | 63,8401 | 0,5041 | 2,0449 | 5,6729 | 11,4257 | 1,0153 |
| 17,5 | 0,79 | 1,82 | 306,25 | 0,6241 | 3,3124 | 13,825 | 31,85 | 1,4378 |
| 17,16 | 0,76 | 2,62 | 294,4656 | 0,5776 | 6,8644 | 13,0416 | 44,9592 | 1,9912 |
| 14,54 | 0,78 | 1,75 | 211,4116 | 0,6084 | 3,0625 | 11,3412 | 25,445 | 1,365 |
| 6,24 | 0,62 | 1,54 | 38,9376 | 0,3844 | 2,3716 | 3,8688 | 9,6096 | 0,9548 |
| 12,08 | 0,75 | 2,25 | 145,9264 | 0,5625 | 5,0625 | 9,06 | 27,18 | 1,6875 |
| 9,49 | 0,71 | 1,07 | 90,0601 | 0,5041 | 1,1449 | 6,7379 | 10,1543 | 0,7597 |
| 9,28 | 0,74 | 1,44 | 86,1184 | 0,5476 | 2,0736 | 6,8672 | 13,3632 | 1,0656 |
| 11,42 | 0,65 | 1,4 | 130,4164 | 0,4225 | 1,96 | 7,423 | 15,988 | 0,91 |
| 10,31 | 0,66 | 1,31 | 106,2961 | 0,4356 | 1,7161 | 6,8046 | 13,5061 | 0,8646 |
| 8,65 | 0,84 | 1,12 | 74,8225 | 0,7056 | 1,2544 | 7,266 | 9,688 | 0,9408 |
| 10,94 | 0,74 | 1,16 | 119,6836 | 0,5476 | 1,3456 | 8,0956 | 12,6904 | 0,8584 |
| 9,87 | 0,75 | 0,88 | 97,4169 | 0,5625 | 0,7744 | 7,4025 | 8,6856 | 0,66 |
| 6,14 | 0,75 | 1,07 | 37,6996 | 0,5625 | 1,1449 | 4,605 | 6,5698 | 0,8025 |
| 12,93 | 0,79 | 1,24 | 167,1849 | 0,6241 | 1,5376 | 10,2147 | 16,0332 | 0,9796 |
| 9,78 | 0,72 | 1,49 | 95,6484 | 0,5184 | 2,2201 | 7,0416 | 14,5722 | 1,0728 |
| 13,22 | 0,7 | 2,03 | 174,7684 | 0,49 | 4,1209 | 9,254 | 26,8366 | 1,421 |
| 17,29 | 0,66 | 1,84 | 298,9441 | 0,4356 | 3,3856 | 11,4114 | 31,8136 | 1,2144 |
| 7,11 | 0,69 | 1,22 | 50,5521 | 0,4761 | 1,4884 | 4,9059 | 8,6742 | 0,8418 |
| 22,49 | 0,71 | 1,72 | 505,8001 | 0,5041 | 2,9584 | 15,9679 | 38,6828 | 1,2212 |
| 12,14 | 0,73 | 1,75 | 147,3796 | 0,5329 | 3,0625 | 8,8622 | 21,245 | 1,2775 |
| 15,25 | 0,65 | 1,46 | 232,5625 | 0,4225 | 2,1316 | 9,9125 | 22,265 | 0,949 |
| 31,34 | 0,82 | 1,6 | 982,1956 | 0,6724 | 2,56 | 25,6988 | 50,144 | 1,312 |
| 11,56 | 0,8 | 1,47 | 133,6336 | 0,64 | 2,1609 | 9,248 | 16,9932 | 1,176 |
| 30,14 | 0,83 | 1,38 | 908,4196 | 0,6889 | 1,9044 | 25,0162 | 41,5932 | 1,1454 |
| 19,71 | 0,7 | 1,41 | 388,4841 | 0,49 | 1,9881 | 13,797 | 27,7911 | 0,987 |
| 23,56 | 0,74 | 1,39 | 555,0736 | 0,5476 | 1,9321 | 17,4344 | 32,7484 | 1,0286 |
| 726,07 | 38,98 | 80,88 | 12008,58 | 28,816 | 132,071 | 539,0427 | 1156,778 | 59,4662 |
Таким образом, матрица парных коэффициентов корреляции трехмерного массива имеет вид:
|
q3= rij
=
Оценки
математического
ожидания, дисперсии
и среднеквадратического
отклонения:
| Y | |||
| X5 | |||
| X10 |
Проверим значимость парных коэффициентов корреляции с уровнем значимости α=0.05. В этом случае проверяется гипотеза Н0 об отсутствии линейной корреляционной связи между переменными в генеральной совокупности, т.е. Н0: ρ=0. Рассчитывается статистика , и если , то гипотеза Н0 отвергается.
При
k=n-2 – числе степеней свободы,
tкр=t0.95;51=0,063016
| ry3x5 | ry3x10 | rx5x10 | |
| tнабл | 2,164009 | 2,844175 | 0,142857 |
Таким образом, значимыми коэффициентами являются:
ry3x5=
ry3x10=
rx5x10=
- Оценка матрицы частных коэффициентов корреляции и проверка их значимости.
Если переменные коррелируют друг с другом, то на величине парного коэффициента корреляции частично сказывается влияние других переменных. В связи с этим часто возникает необходимость исследовать частную корреляцию между переменными при исключении (элиминировании) влияния одной или нескольких других переменных, т.е. исследовать связь в «чистом» виде.
Частный коэффициент корреляции рассчитывается по формуле:
Таким образом, матрица частных коэффициентов корреляции трехмерного массива имеет вид:
|
rij.k =
Проверим значимость частных коэффициентов корреляции с уровнем значимости α=0.05. В этом случае проверяется гипотеза Н0 об отсутствии линейной корреляционной связи между переменными в генеральной совокупности, т.е. Н0: ρ=0. Рассчитывается статистика , и если , то гипотеза Н0 отвергается.
При
k=n-3 – числе степеней свободы,
tкр=t0.95;50=0,063022
| ry3x5.x10 | ryx10.x5 | rx5x10.y3 | |
| tнабл | 2,364618 | 2,964547 | 0,979082 |
Таким образом, все частные коэффициенты являются значимыми.
С надежностью γ=1-α=0.95 построим доверительные интервалы для значимых частных коэффициентов корреляции.
Интервальная оценка для ρyx1.x5 находится с помощью статистики Фишера (z-преобразование):
при ry3x5.x10=0.317144.
Вначале строим доверительный интервал для M(z):
где - нормированное отклонение z, определяемое с помощью функции Лапласа:
.
,
при = =1,96.
Или .
Переход от z к ρ осуществляем по формуле :
для z=0.048469
и для z=0.608469.
Таким образом, получаем интервальную оценку для ρy3x5.x10:
.
Аналогичные
расчеты при определении границ
доверительных интервалов выполняем
для ρy3x10.x5
и ρх5x10.y3 .
| ry3x5.x10=0.317144 | ry3x10.x5=0.386645 | rx5x10.y3= -0.13715 | |
| z | 0.328469 | 0,40784928 | -0,1380198 |
| M(z) | |||
| ρij.k |
- Оценки множественных коэффициентов корреляции (детерминации) и проверка их значимости.
Теснота
линейной взаимосвязи одной переменной
Xi с совокупностью других
(p-1) переменных Xj, рассматриваемой
в целом, измеряется с помощью множественного
(или совокупного) коэффициента
корреляции ρi.12…p
, который является обобщением парного
коэффициента корреляции ρij
Множественные коэффициенты корреляции определяются по формуле:
где - определитель матрицы qp .
В
нашем случае
,
,
,
, тогда
, , .
Коэффициент
детерминации (показывает, какую долю
вариации исследуемой переменной объясняет
вариация остальных переменных) рассчитывается
как квадрат выборочного
, , .
Проверка значимости множественного коэффициента корреляции осуществляется с помощью F-распределения. Рассчитывается статистика: ,
и если, F > , то R значимо отличается от нуля.
В нашем
случае k1=p-1 и k2=n-p
(p – совокупность всех переменных
выборки), p=3, n=53,
α=0.05,
=3.20.
| R2 | 0.2254 | 0.1029 | 0.1546 |
| Fнабл | 7.273979 | 2.866818 | 4.571566 |
Таким
образом, значимо отличаются
от нуля Ry
и Rx10.
- Интерпретация полученных результатов
Парные коэффициенты корреляции:
| ry3x5 | ry3x10 | rx5x10 |
Частные коэффициенты корреляции:
| ry3x5.x10 | ryx10.x5 | rx5x10.y3 |
| 0.317144 | 0.386645 | -0.13715 |
Множественные коэффициенты корреляции:
| 0,474763 | 0,320780 | 0,393192 |
Вывод: получив результаты корреляционного анализа можно сделать следующие экономические выводы:
- Парные коэффициенты корреляции все значимые, но значения между факторами и результативным показателем меньше 0.5, значит, связь есть, но слабая (допустимая), а между самими факторами связь сильная.
- Если исключить влияние других факторов на парные коэффициенты корреляции, то видно, что при исключении влияния того или другого фактора значение частных коэффициентов корреляции между результативным показателем и одним из факторов значительно уменьшается, что может говорить о том, что факторы взаимодействуют, т.е. усиливают друг друга, так что функция связи не линейная, а степенная. При исключение влиянии результативного показателя частный коэффициент корреляции уменьшился, но не значительно.
- Множественные коэффициенты все значимы и , близки к 1, то можно судить о тесноте связи.
Таким образом, с помощью многомерного корреляционного анализа мы выявили необходимые параметры в трехмерную модель и исследовали связь и зависимость между ними. Также предположили, что функция связи результативного показателя и факторов будет иметь не линейный вид, но об этом уверенно мы сможем судить только после множественного регрессионного анализа.
6.
Построение уравнений
множественной регрессии
для зависимого показателя
и отобранных факторов
в линейном и степенном
виде
6.1. Линейное уравнение регрессии y=b0+b1x1+b2x2

- Множество преступлений
- Множинність злочинів
- Мнополизм в российской экономике. Экономические и социальные последствия монополии
- Моббинг в организации
- Моббинг и формы его проявления в организации
- Мобилизация веществ в экзосфера
- Мобилизация евро
- Множественность преступлений и единичное преступление в уголовном праве Республики Беларусь
- Множественность преступлений, не охваченная совокупностью и рецидивом
- Множественность преступления
- Множественность преступления
- Множественность преступления
- Множественность теорий происхождения государства
- Множественностью преступлений признается совершение одним лицом не менее двух преступлений, каждое из которых сохраняет свое уголовно-п