Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Для данных, представленных в таблице 1.1 требуется:
1. Построить гиперболическую регрессионную модель зависимости заработной платы от возраста рабочего, вычислить индекс корреляции и детерминации, а также статистическую значимость уравнения регрессии на уровне .
2. Построить степенную регрессионную модель зависимости заработной платы от возраста рабочего, оценить её точность по индексу детерминации и средней относительной ошибки аппроксимации и значимость (на уровне ).
3. Сравнить модели парной регрессии (включая линейную) по индексу детерминации и средней относительной ошибки аппроксимации и выбрать наилучшую.
Решение выполним в среде MS Excel.
1. Оценим гиперболическую модель . Она линейна по параметрам .
Введем новую переменную . Линеаризованная модель примет вид: .
Сформируем расчетную таблицу следующей структуры:
№ п/п | ||||||||||
Сумма | ||||||||||
Среднее |
Введем исходные данные , в таблицу по столбцам и рассчитаем колонки , , , . Вычисляем суммы и средние значения столбцов с помощью функций СУММ(…) и СРЗНАЧ(…).
Выполним расчет параметров уравнения регрессии по формулам 1.2.2:
, .
В итоге получена гиперболическая модель: .
Вычислим предсказанные моделью значения з/п по формуле
и тем самым заполним колонку расчетной таблицы. Далее вычисляются остатки и их квадраты . В итоге в строке "Сумма" колонки таблицы определится остаточная сумма квадратов .
Построим график функции на поле корреляции с помощью Мастера диаграмм и убедимся, что МНК дал хорошие результаты аппроксимации.
Рис.1.3. График гиперболической модели
Найдем значения выборочной дисперсии и СКО для по формулам 1.2.3:
, .
Найдем индекс корреляции по формуле 1.2.4:
.
Индекс корреляции близок к единице и это указывает на тесную гиперболическую связь между изучаемыми признаками.
Рассчитаем индекс детерминации по формуле 1.2.5:
.
Значение индекса детерминации близко к единице и по нему следует, что з/п по этой модели на 78% обусловлена таким фактором, как возраст рабочего.
Проверим качество модели по средней относительной ошибке аппроксимации, вычислив по формуле 1.2.6. Для этого в первой строке колонки набираем с использованием функции ABS (…) формулу: =ABS()*100. После протяжки по всему столбцу вычисляем среднее значение данного столбца:
= .
По видно, что в среднем расчетные значения отклоняются от фактических на 8,7%, что говорит о хорошем качестве модели по этому критерию.
Вычислим средний коэффициент эластичности по формуле 1.2.7:
Найдем производную
.
Отсюда
.
Он показывает, что при увеличении возраста рабочего на 1 % от среднего значения з/п в среднем возрастает на 0,74%.
Рассчитаем критерий Фишера по формуле 1.2.8 (в нашем случае ):
.
Табличное значение = определяем с помощью встроенной статистической функции FРАСПОБР по уровню значимости и числам свободы и . Поскольку , то можно сделать вывод о хорошей аппроксимации статистических данных построенной моделью.
2. Построим степенную модель . Эта модель является нелинейной по параметру .
Выполним преобразования по формулам 1.2.9. Линеаризованная модель примет вид: . Здесь , .
Сформируем расчетную таблицу следующей структуры:
№ п/п | ( | |||||||||||
Сумма | ||||||||||||
Среднее |
Введем исходные данные , в таблицу по столбцам и рассчитаем колонки , , , . Вычисляем суммы и средние значения столбцов с помощью функций СУММ(…) и СРЗНАЧ(…).
Выполним расчет параметров уравнения регрессии по формулам 1.2.10:
, .
Найдем оценку коэффициента с использованием функции EXP (…):
.
В результате построена степенная модель .
Вычислим на основе модели значения з/п по формуле:
с использованием встроенной функции СТЕПЕНЬ (; ). В итоге будет заполнена колонка таблицы.
Далее вычисляются остатки , их квадраты , разности , а также их квадраты . В итоге в строке «Сумма» колонки таблицы определится факторная сумма квадратов .
Построим график функции на поле корреляции с помощью Мастера диаграмм и убедимся, что кривая неплохо представляет искомую зависимость.
Рис. 1.4. График степенной модели
Найдем индекс корреляции по формуле 1.2.12 (значение определено ранее):
.
Близость индекса корреляции к единице указывает на тесную степенную связь между изучаемыми признаками.
Рассчитаем индекс детерминации по формуле 1.2.13:
.
Из значения индекса детерминации следует, что з/п по этой модели на 84% обусловлена возрастом рабочего.
Оценим качество модели по средней относительной ошибке аппроксимации, вычислив по формуле 2.6:
= .
По видно, что в среднем расчетные значения отклоняются от фактических на 9,9%, что говорит о неплохом качестве модели по этому критерию.
Вычислим средний коэффициент эластичности по формуле 1.2.7:
Найдем производную:
.
Отсюда
.
Из этого следует, что при увеличении возраста рабочего на 1 % от среднего значения з/п в среднем возрастает на 0,86%.
Рассчитаем критерий Фишера по формуле 1.2.8:
.
Табличное значение = уже ранее определено. Так как выполняется неравенство , то можно сделать вывод о надежности и статистической значимости степенной модели.
3. Для сравнения двух нелинейных моделей составим итоговую таблицу со значениями средней относительной ошибки аппроксимации и индекса детерминации:
Модель | ||
Гиперболическая | 8,73 | 0,778 |
Степенная | 9,90 | 0,844 |
Линейная | 10,16 | 0,72 |
Из таблицы видно, что по средней ошибке аппроксимации лучшей является гиперболическая модель, а по индексу детерминации – степенная. Но по этим показателям они обе лучше линейной модели. Для практического использования можно рекомендовать степенную модель.
Дата публикования: 2015-04-10; Прочитано: 562 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!