Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
В ППП «Excel» регрессионная модель нелинейной формы может быть выполнена только в форме экспоненциального приближения: Вставка – Функция – Статистические - ЛГРФПРИБЛ. Между тем нелинейную форму уравнения можно привести к линейной, осуществив процедуру линеаризации. Например, показательная функция
приводится к линейной форме логарифмированием обеих частей уравнения:
lnу =lna+x lnb
получаем Y=A + Bх,
где Y=lny; A=lna; B=lnb.
Теперь пересчитываем исходные данные х и у в lnx и lny: Вставка – Функция –Математические – LN.
Таблица 8. Пример расчета для показательной функции
x | y | Ln x | Ln y |
1,079181 | 1,361728 | ||
1,653213 | 1,146128 | ||
1,892095 | 1,39794 | ||
1,94939 | 1,556303 | ||
1,748188 | 1,672098 | ||
1,361728 | 1,763428 | ||
1,50515 | 1,838849 | ||
1,812913 | 1,612784 | ||
1,991226 | 1,716003 | ||
1,939519 | 1,799341 |
Относительно новых переменных, lnx и lny выводим таблицу регрессии: Данные – Анализ данных – Регрессия. В окне Регрессия в качестве входного интервала х выделяем столбец lnx; в качестве входного интервала у выделяем столбец lny.
Таблица 9.Вывод итогов
Регрессионная статистика | |
Множественный R | 0,850621 |
R-квадрат | 0,352628 |
Нормированный R-квадрат | 0,1905926 |
Стандартная ошибка | 2,16016 |
Дисперсионный анализ | |||||
df | SS | MS | F | Значимость F | |
Регрессия | 1711,83 | 1711,83 | 29,704177 | 0,0138707 | |
Остаток | 5064,27 | 633,0337 | |||
Итого | 6776,1 |
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | |
Y-пересечение | 1,366991 | 9,30663 | 0,95163 | 0,369146 |
Переменная x1 | 0,129613 | 0,324557 | 1,644436 | 0,138707 |
Проверка на значимость полученного уравнения и измерение тесноты связи проводится аналогично примерам, рассмотренным выше. Методом линеаризации можно достаточно быстро получить уравнения регрессии различной формы. Выбор лучшей формы уравнения регрессии зависит от величины остатков. Остатки – это расхождения эмпирических и теоретических (регрессионных) значений результативного признака. Чем больше сумма расхождений, тем хуже уравнение регрессии описывает связь фактора и результата.
Остатки рассчитываются как сумма квадратов отклонений исходных значений от регрессионных значений результативного признака (см. Таблица 6: Дисперсионный анализ – Остаток – SS или MS). SS – это сумма квадратов; MS – это сумма квадратов в расчете на 1 единицу числа степеней свободы (df). Сравнивать уравнения регрессии надо по MS. Чем меньше MS, тем лучше форма уравнения регрессии.
Дата публикования: 2015-04-07; Прочитано: 206 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!