1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента. (Решение → 11228)

Заказ №39169

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.4. Выбрать лучшую модель по критерию скорректированного коэффициента детерминации. 5. Выбрать между лучшей линейной моделью и лучшей степенной моделью с помощью теста Зарембки. 6. Расчеты произвести в MS Excel. Составить отчёт в MS Word. Отчёт должен содержать результаты выполнения всех пунктов работы (матрицы, модели, коэффициенты детерминации, результаты теста Зарембки, обоснования и пояснения)

Решение

1. Построим корреляционную матрицу с помощью функции КОРЕЛЛ: Как видно из таблицы коэффициенты корреляции ryx1 и ryx2 положительный близки к 1, следовательно, зависимость у от факторов х1 и х2 прямая и очень сильная. 2. Так как межфакторный коэффициент корреляции 0,957 близок к 1, то мультиколлинеарность присутствует. Таким образом, построение множественных моделей не имеет смысла. 3. Построим регрессионные модели и с помощью статистической функции ЛИНЕЙН. Найдем данные по x1: 1,45140755 0,72870279 0,05803498 0,37877327 0,97202621 0,48794267 625,459419 18 148,914415 4,28558495 Модель имеет вид: ŷ = 0,729 + 1,451x1 Коэффициент детерминации R 2 = 0,972, это означает, что 97,2% вариации (Y) объясняется вариацией фактора Х1.

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.

1. Построить корреляционную матрицу; 2. Выполнить проверку на мультиколлинеарность, сделать выводы о наличии/отсутствии мультиколлинеарности. 3. Построить регрессии y на х1, х2 для линейной и нелинейной функций зависимости, т.е. и Для построения моделей можно 231 пользоваться функцией ЛИНЕЙН и ЛГПРИБЛ. Полученные модели должны быть значимы по критерию Фишера, коэффициенты регрессии значимы по критерию Стьюдента.