Читайте также: |
|
Лабораторная работа №3
по дисциплине «Статистика»
на тему «Анализ парной корреляционной зависимости»
Выполнила: студентка 33707/1 группы
________________________
(подпись)
Ахмедова Т. А.
Принял: ________________________
________________________
(подпись)
Куприенко Н.В.
«___» ______________ 2014 г.
Санкт-Петербург
Анализ парной корреляционной связи с использованием пакета statistica.
При построении поля корреляции программа строит и линейное уравнение регрессии. Однако на практике мы не всегда имеем дело с линейной зависимостью и на основе поля корреляции не всегда очевиден вид связи между анализируемыми переменными. Поэтому, как правило, строят несколько уравнений регрессии и на основе описанных выше критериев выбирают модель, наилучшим образом отражающую корреляционную связь х и у.
Построим и сравним, например, линейную, степенную и экспоненциальные регрессионные модели.
2.1. Расчет модели линейной регрессии:
Для построения моделей линейного типа (парных, множе-ственных или линеаризованных)
Уравнение линейной регрессии имеет вид:
Рис. 4. Показатели корреляции и оценка линейного уровня регрессии.
Рис. 5. Результаты расчета параметров уравнения линейной регрессии.
N = 82 – объем изучаемой совокупности. В верхнем поле расположены показатели R, R2, Adjusted R, F, p, Std. Error of еstimate, означающие соответственно: теоретическое корреляционное отношение, коэффициент детерминации, скорректированный коэффициент детерминации, расчетное значение критерия Фишера (в скобках приведено число степеней свободы факторной и остаточной дисперсий), уровень значимости, стандартная ошибка уравнения.
При этом система помогает пользователю: когда процедура предполагает проверку на значимость, STATISTICA выделяет значимые элементы красным цветом (т.е. отвергается нулевая гипотеза о равенстве параметров нулю). В данной работе | t факт| > t табл (1,98) справедливо для обоих параметров, следовательно, они значимы.
Соответственно уравнение линейной регрессии выглядит следующим образом:
=-1495,01+101,50*x
Рис. 6. Результаты дисперсионного анализа линейного уровня регрессии
Фактическая величина F-критерия сравнивается с его теоретическим (табличным) значением исходя из соответствующего числа степеней свободы и заданного уровня значимости. Если F факт> F теор, то можно считать, что уравнение в целом значимо.
В нашем случае 3,92, следовательно, уравнение в целом и коэффициент детерминации статистически значимы.
Расчет остаточной дисперсии вручную:
= 23700742/(82-2) = 296259,275
Далее было построено графическое изображение линии регрессии, наложенное на корреляционное поле, с 95%-ными доверительными интервалами.
Рис. 8. Корреляционное поле и линия регрессии с 95-% доверительными интервалами для линейной модели.
2.2 Расчет модели степенной регрессии:
Степенная функция имеет вид:
Рис.9. Показатели корреляции и оценка степенного уравнения регрессии
Рис. 10. Результаты расчета параметров степенной модели.
Соответственно, уравнение степенной модели регрессии имеет вид:
Проверка критериев на значимость:
Для опровержения нулевой гипотезы о равенстве параметров нулю необходимо, чтобы выполнялось следующее условие – | t факт| > t табл. В нашем случае = 1,98, следовательно значим только параметр a1 (См. рис. 10).
Рис. 11. Результаты дисперсионного анализа степенной модели.
Фактическая величина F-критерия сравнивается с его теоретическим (табличным) значением исходя из соответствующего числа степеней свободы и заданного уровня значимости. Если F факт> F теор, то можно считать, что уравнение в целом значимо.
В нашем случае 3,92, следовательно, уравнение в целом и коэффициент детерминации статистически значимы.
Расчет остаточной дисперсии вручную:
=
Далее было построено графическое изображение линии регрессии на корреляционном поле. (См. рис. 12).
Рис. 12. Корреляционное поле с наложением линии степенной регрессии.
2.3. Расчет модели экспоненциальной регрессии:
Уравнение экспоненциальной регрессии имеет вид:
Рис.13. Показатели корреляции и оценка экспоненциального уравнения регрессии
Рис. 14. Результаты расчета параметров экспоненциальной модели.
Соответственно, уравнение степенной модели регрессии имеет вид:
Проверка критериев на значимость:
Для опровержения нулевой гипотезы о равенстве параметров нулю необходимо, чтобы выполнялось следующее условие – | t факт| > t табл. В нашем случае = 1,98, следовательно значимы оба параметра (См. рис. 14).
Рис. 15. Результаты дисперсионного анализа экспоненциальной модели.
Фактическая величина F-критерия сравнивается с его теоретическим (табличным) значением исходя из соответствующего числа степеней свободы и заданного уровня значимости. Если F факт> F теор, то можно считать, что уравнение в целом значимо.
В нашем случае 3,92, следовательно, уравнение в целом и коэффициент детерминации статистически значимы.
Расчет остаточной дисперсии вручную:
=
Далее было построено графическое изображение линии регрессии на корреляционном поле. (См. рис. 16)
Рис. 16. Корреляционное поле и кривая экспоненциальной регрессионной модели.
2.4. Вывод:
Выбор лучшей модели можно осуществить исходя из значений коэффициента детерминации, либо остаточной дисперсии. Процедуру можно представить в виде таблицы 1.
Таблица 1.
Итоговая таблица уравнений и показателей
№ п/п | Модель | Уравнение | ||
1. | Линейная | 70,78 % | 296259,275 | |
2. | Степенная | 73,20 % | 271692,04 | |
3. | Экспонен- циальная | 73, 20 % | 271723, 55 |
Таким образом, лучшей регрессионной моделью можно считать степенную, так как ей соответствует максимальное значение коэффициента детерминации, а остаточная дисперсия минимальна.
Для расчета доверительных интервалов параметров уравнения используются значения среднеквадратических ошибок параметров. Значение коэффициента доверия t определяется по таблице распределения Стьюдента исходя из доверительной вероятности (95 %) и числа степеней свободы n-k-1, где n – число наблюдений, k – число признаковфакторов в уравнении. Результаты отображены в столбцах Lo.Conf. Limit и Up.Сonf. Limit (см. рис. 12):
Приложение 1
2349,200 | 1945,995 | 403,205 | 162574,272 | |
4481,100 | 3712,174 | 768,926 | 591247,193 | |
714,800 | 342,223 | 372,577 | 138813,323 | |
2089,700 | 2250,509 | -160,809 | 25859,534 | |
1545,700 | 1306,516 | 239,184 | 57208,986 | |
2225,600 | 2362,164 | -136,564 | 18649,726 | |
829,200 | 748,242 | 80,959 | 6554,279 | |
1708,100 | 2412,916 | -704,816 | 496765,594 | |
533,100 | 200,117 | 332,983 | 110877,678 | |
2571,300 | 2758,031 | -186,731 | 34868,466 | |
1699,600 | 2006,898 | -307,298 | 94432,061 | |
1847,300 | 2494,120 | -646,820 | 418376,112 | |
2953,300 | 2758,031 | 195,269 | 38129,982 | |
2674,500 | 2291,111 | 383,389 | 146987,125 | |
1430,500 | 1945,995 | -515,495 | 265735,095 | |
805,100 | 1164,410 | -359,310 | 129103,676 | |
2048,000 | 2179,456 | -131,456 | 17280,680 | |
1996,000 | 1773,437 | 222,563 | 49534,289 | |
3937,600 | 2656,527 | 1281,073 | 1641148,031 | |
1945,100 | 2220,057 | -274,957 | 75601,352 | |
1371,600 | 1864,791 | -493,191 | 243237,362 | |
1047,400 | 1255,764 | -208,364 | 43415,556 | |
634,400 | 1225,313 | -590,913 | 349178,174 | |
780,800 | 1925,694 | -1144,894 | 1310782,271 | |
3548,500 | 2727,580 | 820,920 | 673909,646 | |
2125,100 | 2483,969 | -358,869 | 128786,959 | |
2181,600 | 1560,278 | 621,322 | 386041,028 | |
165,000 | 798,994 | -633,994 | 401948,138 | |
2924,700 | 2352,013 | 572,687 | 327970,400 | |
1294,900 | 2220,057 | -925,157 | 855915,475 | |
867,100 | 829,445 | 37,655 | 1417,891 | |
2138,400 | 1976,446 | 161,954 | 26229,098 | |
1656,400 | 1753,136 | -96,736 | 9357,854 | |
1446,000 | 1499,375 | -53,375 | 2848,891 | |
1846,700 | 1367,419 | 479,281 | 229710,277 | |
1743,800 | 2697,129 | -953,329 | 908836,182 | |
2586,400 | 2006,898 | 579,502 | 335822,568 | |
1732,100 | 1408,021 | 324,079 | 105027,198 | |
23700738,673 | 296259,2 |
Приложение 2
3270,500 | 2579,747 | 690,753 | 477139,310 | |
552,100 | 1655,122 | -1103,022 | 1216657,921 | |
703,200 | 750,407 | -47,207 | 2228,505 | |
1997,100 | 1459,907 | 537,193 | 288575,974 | |
2575,600 | 3048,393 | -472,793 | 223532,787 | |
2432,900 | 1459,907 | 972,993 | 946714,753 | |
5186,600 | 4052,800 | 1133,800 | 1285501,996 | |
2032,900 | 2967,640 | -934,740 | 873738,739 | |
1781,600 | 2183,700 | -402,100 | 161684,452 | |
1135,200 | 750,407 | 384,793 | 148065,622 | |
3606,500 | 2848,493 | 758,007 | 574574,293 | |
3494,000 | 2706,103 | 787,897 | 620781,833 | |
1959,000 | 2300,318 | -341,318 | 116497,854 | |
2855,000 | 2693,335 | 161,665 | 26135,622 | |
2364,100 | 2036,521 | 327,579 | 107307,816 | |
2028,500 | 2383,709 | -355,209 | 126173,289 | |
2104,900 | 1695,597 | 409,303 | 167529,268 | |
503,300 | 468,005 | 35,295 | 1245,736 | |
1716,300 | 1357,633 | 358,667 | 128641,838 | |
1726,400 | 1841,007 | -114,607 | 13134,862 | |
2901,200 | 3672,811 | -771,611 | 595383,042 | |
2667,900 | 2901,154 | -233,254 | 54407,208 | |
2223,500 | 1403,673 | 819,827 | 672116,851 | |
1825,300 | 2874,765 | -1049,465 | 1101375,941 | |
1517,100 | 1469,384 | 47,716 | 2276,777 | |
395,300 | 341,776 | 53,524 | 2864,866 | |
1242,300 | 1294,436 | -52,136 | 2718,157 | |
1704,100 | 2468,546 | -764,446 | 584378,445 | |
1306,800 | 923,328 | 383,472 | 147051,118 | |
602,700 | 1172,451 | -569,751 | 324615,713 | |
3747,300 | 3950,712 | -203,412 | 41376,516 | |
1540,400 | 1685,433 | -145,033 | 21034,664 | |
2943,400 | 2757,469 | 185,931 | 34570,184 | |
2132,800 | 1959,346 | 173,454 | 30086,441 | |
930,000 | 690,071 | 239,929 | 57566,041 | |
1457,800 | 1517,218 | -59,418 | 3530,507 | |
1519,300 | 1497,995 | 21,305 | 453,904 | |
1419,000 | 1172,451 | 246,549 | 60786,621 | |
632,200 | 915,774 | -283,574 | 80414,312 | |
1186,800 | 1180,969 | 5,831 | 34,005 | |
2278,400 | 2183,700 | 94,700 | 8968,080 | |
4038,300 | 3883,359 | 154,941 | 24006,736 | |
400,100 | 619,678 | -219,578 | 48214,360 | |
990,800 | 1556,023 | -565,223 | 319476,540 | |
2349,200 | 1841,007 | 508,193 | 258259,694 | |
4481,100 | 4130,985 | 350,115 | 122580,863 | |
714,800 | 541,252 | 173,548 | 30119,063 | |
2089,700 | 2172,201 | -82,501 | 6806,408 | |
1545,700 | 1232,708 | 312,992 | 97964,125 | |
2225,600 | 2300,318 | -74,718 | 5582,753 | |
829,200 | 799,038 | 30,162 | 909,762 | |
1708,100 | 2359,735 | -651,635 | 424628,333 | |
533,100 | 462,586 | 70,514 | 4972,261 | |
2571,300 | 2783,329 | -212,029 | 44956,372 | |
1699,600 | 1905,110 | -205,510 | 42234,401 | |
1847,300 | 2456,338 | -609,038 | 370927,649 | |
2953,300 | 2783,329 | 169,971 | 28890,080 | |
2674,500 | 2218,375 | 456,125 | 208050,140 | |
1430,500 | 1841,007 | -410,507 | 168516,345 | |
805,100 | 1113,666 | -308,566 | 95213,073 | |
2048,000 | 2092,536 | -44,536 | 1983,468 | |
1996,000 | 1665,196 | 330,804 | 109431,221 | |
3937,600 | 2655,207 | 1282,393 | 1644531,060 | |
1945,100 | 2137,881 | -192,781 | 37164,610 | |
1371,600 | 1757,202 | -385,602 | 148688,547 | |
1047,400 | 1189,517 | -142,117 | 20197,161 | |
634,400 | 1163,963 | -529,563 | 280436,528 | |
780,800 | 1819,878 | -1039,078 | 1079682,177 | |
3548,500 | 2744,584 | 803,916 | 646281,498 | |
2125,100 | 2444,160 | -319,060 | 101799,030 | |
2181,600 | 1459,907 | 721,693 | 520840,323 | |
165,000 | 834,685 | -669,685 | 448477,415 | |
2924,700 | 2288,523 | 636,177 | 404721,177 | |
1294,900 | 2137,881 | -842,981 | 710617,387 | |
867,100 | 856,436 | 10,664 | 113,710 | |
2138,400 | 1872,925 | 265,475 | 70476,928 | |
1656,400 | 1645,078 | 11,322 | 128,187 | |
1446,000 | 1403,673 | 42,327 | 1791,603 | |
1846,700 | 1285,528 | 561,172 | 314914,404 | |
1743,800 | 2706,103 | -962,303 | 926026,880 | |
2586,400 | 1905,110 | 681,290 | 464155,929 | |
1732,100 | 1321,341 | 410,759 | 168723,189 | |
21735363,256 |
Приложение 3
3270,500 | 2492,657 | 777,843 | 605039,284 | |
552,100 | 1619,221 | -1067,121 | 1138748,276 | |
703,200 | 922,208 | -219,008 | 47964,722 | |
1997,100 | 1457,503 | 539,597 | 291164,414 | |
2575,600 | 3012,427 | -436,827 | 190818,020 | |
2432,900 | 1457,503 | 975,397 | 951398,389 | |
5186,600 | 4330,819 | 855,781 | 732360,907 | |
2032,900 | 2918,822 | -885,922 | 784857,238 | |
1781,600 | 2095,381 | -313,781 | 98458,755 | |
1135,200 | 922,208 | 212,992 | 45365,380 | |
3606,500 | 2783,839 | 822,661 | 676771,626 | |
3494,000 | 2627,307 | 866,693 | 751155,917 | |
1959,000 | 2208,571 | -249,571 | 62285,801 | |
2855,000 | 2613,521 | 241,479 | 58311,887 | |
2364,100 | 1956,862 | 407,238 | 165842,603 | |
2028,500 | 2291,423 | -262,923 | 69128,434 | |
2104,900 | 1653,658 | 451,242 | 203619,702 | |
503,300 | 723,980 | -220,680 | 48699,831 | |
1716,300 | 1375,550 | 340,750 | 116110,449 | |
1726,400 | 1780,054 | -53,654 | 2878,786 | |
2901,200 | 3797,075 | -895,875 | 802592,696 | |
2667,900 | 2843,043 | -175,143 | 30675,004 | |
2223,500 | 1412,214 | 811,286 | 658184,517 | |
1825,300 | 2813,285 | -987,985 | 976114,392 | |
1517,100 | 1465,192 | 51,908 | 2694,478 | |
395,300 | 634,755 | -239,455 | 57338,585 | |
1242,300 | 1325,814 | -83,514 | 6974,589 | |
1704,100 | 2377,383 | -673,283 | 453309,420 | |
1306,800 | 1046,321 | 260,479 | 67849,094 | |
602,700 | 1231,672 | -628,972 | 395605,314 | |
3747,300 | 4183,022 | -435,722 | 189853,652 | |
1540,400 | 1644,981 | -104,581 | 10937,085 | |
2943,400 | 2683,183 | 260,217 | 67713,075 | |
2132,800 | 1886,107 | 246,693 | 60857,239 | |
930,000 | 879,560 | 50,440 | 2544,163 | |
1457,800 | 1504,245 | -46,445 | 2157,144 | |
1519,300 | 1488,500 | 30,800 | 948,621 | |
1419,000 | 1231,672 | 187,328 | 35091,917 | |
632,200 | 1040,831 | -408,631 | 166979,415 | |
1186,800 | 1238,169 | -51,369 | 2638,729 | |
2278,400 | 2095,381 | 183,019 | 33495,815 | |
4038,300 | 4087,303 | -49,003 | 2401,338 | |
400,100 | 830,104 | -430,004 | 184903,360 | |
990,800 | 1536,236 | -545,436 | 297500,393 | |
2349,200 | 1780,054 | 569,146 | 323926,808 | |
4481,100 | 4446,253 | 34,847 | 1214,285 | |
714,800 | 775,228 | -60,428 | 3651,581 | |
2089,700 | 2084,386 | 5,314 | 28,234 | |
1545,700 | 1277,876 | 267,824 | 71729,605 | |
2225,600 | 2208,571 | 17,029 | 289,979 | |
829,200 | 956,804 | -127,604 | 16282,763 | |
1708,100 | 2267,439 | -559,339 | 312859,909 | |
533,100 | 720,182 | -187,082 | 34999,490 | |
2571,300 | 2711,564 | -140,264 | 19674,063 | |
1699,600 | 1837,140 | -137,540 | 18917,252 | |
1847,300 | 2364,908 | -517,608 | 267917,990 | |
2953,300 | 2711,564 | 241,736 | 58436,167 | |
2674,500 | 2128,715 | 545,785 | 297880,949 | |
1430,500 | 1780,054 | -349,554 | 122188,221 | |
805,100 | 1187,138 | -382,038 | 145952,826 | |
2048,000 | 2009,021 | 38,979 | 1519,384 | |
1996,000 | 1627,763 | 368,237 | 135598,709 | |
3937,600 | 2572,596 | 1365,004 | 1863236,233 | |
1945,100 | 2051,747 | -106,647 | 11373,523 | |
1371,600 | 1706,690 | -335,090 | 112285,167 | |
1047,400 | 1244,700 | -197,300 | 38927,195 | |
634,400 | 1225,209 | -590,809 | 349055,033 | |
780,800 | 1761,423 | -980,623 | 961620,877 | |
3548,500 | 2669,103 | 879,397 | 773338,340 | |
2125,100 | 2352,499 | -227,399 | 51710,209 | |
2181,600 | 1457,503 | 724,097 | 524315,784 | |
165,000 | 982,307 | -817,307 | 667990,279 | |
2924,700 | 2196,982 | 727,718 | 529572,903 | |
1294,900 | 2051,747 | -756,847 | 572816,959 | |
867,100 | 997,934 | -130,834 | 17117,413 | |
2138,400 | 1808,372 | 330,028 | 108918,536 | |
1656,400 | 1610,725 | 45,675 | 2086,197 | |
1446,000 | 1412,214 | 33,786 | 1141,475 | |
1846,700 | 1318,857 | 527,843 | 278618,039 | |
1743,800 | 2627,307 | -883,507 | 780585,475 | |
2586,400 | 1837,140 | 749,260 | 561390,547 | |
1732,100 | 1346,905 | 385,195 | 148374,862 | |
21737883,715 | 271723,5 |
Дата добавления: 2015-08-03; просмотров: 279 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
Динамику международной торговли определяют две группы факторов. | | | Студента |