Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
По данным (табл. 3) сельскохозяйственных районов региона требуется построить регрессионную
модель урожайности на основе следующих показателей:
Y- урожайность зерновых культур (ц/га);
X1 – число колесных тракторов на 100 га;
X2 – число зерноуборочных комбайнов на 100 га;
X3 – число орудий поверхностной обработки почвы на 100 га;
X4 – количество удобрений, расходуемых на гектар(т/га);
X5 – количество химических средств защиты растений, расходуемых на гектар (ц/га)
Y | X1 | X2 | X3 | X4 | X5 | |
9,7 | 1,59 | 0,26 | 2,05 | 0,32 | 0,14 | |
8,4 | 0,34 | 0,28 | 0,46 | 0,59 | 0,66 | |
2,53 | 0,31 | 2,46 | 0,3 | 0,31 | ||
9,6 | 2,16 | 0,26 | 2,16 | 0,39 | 0,16 | |
8,6 | 2,16 | 0,3 | 2,69 | 0,37 | 0,17 | |
12,5 | 0,68 | 0,29 | 0,73 | 0,42 | 0,23 | |
7,6 | 0,35 | 0,26 | 0,42 | 0,21 | 0,8 | |
6,9 | 0,52 | 0,24 | 0,49 | 0,2 | 0,8 | |
13,5 | 3,42 | 0,31 | 3,02 | 1,37 | 0,73 | |
9,7 | 1,78 | 0,3 | 3,19 | 0,73 | 0,17 | |
10,7 | 2,4 | 0,32 | 3,3 | 0,25 | 0,14 | |
12,1 | 9,36 | 0,4 | 11,51 | 0,39 | 0,38 | |
9,7 | 1,72 | 0,28 | 2,26 | 0,82 | 0,17 | |
0,59 | 0,29 | 0,6 | 0,13 | 0,35 | ||
7,2 | 0,28 | 0,26 | 0,3 | 0,09 | 0,15 | |
8,2 | 1,64 | 0,29 | 1,44 | 0,2 | 0,08 | |
8,4 | 0,09 | 0,22 | 0,05 | 0,43 | 0,2 | |
13,1 | 0,08 | 0,25 | 0,03 | 0,73 | 0,2 | |
8,7 | 1,36 | 0,26 | 0,17 | 0,99 | 0,42 |
Корреляция:
Y | X1 | X2 | X3 | X4 | X5 | |
Y | ||||||
X1 | 0,437811637 | |||||
X2 | 0,425012278 | 0,87028339 | ||||
X3 | 0,416511538 | 0,977775277 | 0,8794934 | |||
X4 | 0,577310119 | 0,126362701 | 0,0546325 | 0,044934997 | ||
X5 | -0,108231706 | -0,01370656 | -0,0441548 | -0,07360149 | 0,21381427 |
Факторные признаки Х1, Х2 и Х3 являются мультиколлинеарными. Мультиколлинеарность означает, что существует линейная взаимосвязь между независимыми переменными, а это может сказаться на интерпретации модели: конкретные результаты оценки могут сильно различаться для разных выборок несмотря на то, что выборки однородны. Мультиколлинеарные принаки одновременно в одну модель включать нельзя. Поэтому разобьем исходную модель на 3 модели: y -> x1, x4, x5; y -> x2, x4, x5; y -> x3, x4, x5.
Разбиваем модель на 3:
1: Y->X1, X4, X5
2: Y->X2, X4, X5
3: Y->X3, X4, X5
Каждую модель анализируем при помощи регрессионного анализа в Excel.
1 модель | |||||||||
Y | X1 | X4 | X5 | ||||||
9,7 | 1,59 | 0,32 | 0,14 | ||||||
8,4 | 0,34 | 0,59 | 0,66 | ||||||
2,53 | 0,3 | 0,31 | |||||||
9,6 | 2,16 | 0,39 | 0,16 | ||||||
8,6 | 2,16 | 0,37 | 0,17 | ||||||
12,5 | 0,68 | 0,42 | 0,23 | ||||||
7,6 | 0,35 | 0,21 | 0,8 | ||||||
6,9 | 0,52 | 0,2 | 0,8 | ||||||
13,5 | 3,42 | 1,37 | 0,73 | ||||||
9,7 | 1,78 | 0,73 | 0,17 | ||||||
10,7 | 2,4 | 0,25 | 0,14 | ||||||
12,1 | 9,36 | 0,39 | 0,38 | ||||||
9,7 | 1,72 | 0,82 | 0,17 | ||||||
0,59 | 0,13 | 0,35 | |||||||
7,2 | 0,28 | 0,09 | 0,15 | ||||||
8,2 | 1,64 | 0,2 | 0,08 | ||||||
8,4 | 0,09 | 0,43 | 0,2 | ||||||
13,1 | 0,08 | 0,73 | 0,2 | ||||||
8,7 | 1,36 | 0,99 | 0,42 | ||||||
Регрессионная статистика | |||||||||
Множественный R | 0,719587906 | ||||||||
R-квадрат | 0,517806754 | ||||||||
Нормированный R-квадрат | 0,421368105 | ||||||||
Стандартная ошибка | 1,542441103 | ||||||||
Наблюдения | |||||||||
Дисперсионный анализ | |||||||||
df | SS | MS | F | ||||||
Регрессия | 38,32260536 | 12,77420179 | 5,3692867 | ||||||
Остаток | 35,68686832 | 2,379124555 | |||||||
Итого | 74,00947368 | ||||||||
Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | ||||||
Y-пересечение | 7,845881568 | 0,786169481 | 9,979885705 | 5,131E-08 | |||||
X1 | 0,35220054 | 0,176310672 | 1,99761328 | 0,0642282 | |||||
X4 | 3,572370497 | 1,139991443 | 3,133681853 | 0,0068305 | |||||
X5 | -1,919048912 | 1,550635711 | -1,23758849 | 0,2348918 | |||||
Последовательно исключаем те факторные признаки, Р-значение которых является самым большим из данных – это означает, что коэффициент может считаться нулевым. То есть, соответствующая независимая переменная практически не влияет на зависимую переменную и коэффициент может быть убран из уравнения.
Y | X1 | X4 | |||||
9,7 | 1,59 | 0,32 | |||||
8,4 | 0,34 | 0,59 | |||||
2,53 | 0,3 | ||||||
9,6 | 2,16 | 0,39 | |||||
8,6 | 2,16 | 0,37 | |||||
12,5 | 0,68 | 0,42 | |||||
7,6 | 0,35 | 0,21 | |||||
6,9 | 0,52 | 0,2 | |||||
13,5 | 3,42 | 1,37 | |||||
9,7 | 1,78 | 0,73 | |||||
10,7 | 2,4 | 0,25 | |||||
12,1 | 9,36 | 0,39 | |||||
9,7 | 1,72 | 0,82 | |||||
0,59 | 0,13 | ||||||
7,2 | 0,28 | 0,09 | |||||
8,2 | 1,64 | 0,2 | |||||
8,4 | 0,09 | 0,43 | |||||
13,1 | 0,08 | 0,73 | |||||
8,7 | 1,36 | 0,99 | |||||
ВЫВОД ИТОГОВ | |||||||
Регрессионная статистика | |||||||
Множественный R | 0,684522313 | ||||||
R-квадрат | 0,468570797 | ||||||
Нормированный R-квадрат | 0,402142146 | ||||||
Стандартная ошибка | 1,56785673 | ||||||
Наблюдения | |||||||
Дисперсионный анализ | |||||||
df | SS | MS | |||||
Регрессия | 34,67867806 | 17,33933903 | |||||
Остаток | 39,33079563 | 2,458174727 | |||||
Итого | 74,00947368 | ||||||
Коэффициенты | Стандартная ошибка | t-статистика | |||||
Y-пересечение | 7,341750602 | 0,683484888 | 10,74164291 | ||||
X1 | 0,361370543 | 0,179057506 | 2,018181482 | ||||
X4 | 3,265782993 | 1,131084414 | 2,88730262 | ||||
Аналогично рассматриваем оставшиеся 2 модели.
В результате остаются модели:
Из 1: Y->X1, X4
Из 2: Y->X2, X4
Из 3: Y->X3, X4
Получилось три модели, которые необходимо сравнить. Математически лучшей считается модель, у которой наибольший R2 и наименьший ^S.
С этой точки зрения лучшей является 2 модель, включающая признаки Х2 (число зерноуборочных комбайнов на 100 га) и Х4 (количество удобрений, расходуемых на гектар(т/га).
С экономической точки зрения лучшей из этих моделей является модель, включающая признак, описывающий число зерноуборочных комбайнов на 100 га (Х2), то есть это также 2 модель.
Коэффициент детерминации (показывает долю вариации результативного признака, объясненную вариацией факторного признака) в данном случае равен»0,489 (»50%), что говорит о не очень сильной зависимости результативного признака от факторного. Это не очень хорошо, но по сравнению с другими моделями коэффициент этой модели выше.
Y=2,03+20,73*X2+3,42*X4
Коэффициенты эластичности: | ||
Э2 | 0,6176863 | |
Э4 | 0,1691803 |
При увеличении числа зерноуборочных комбайнов на 100 га на 1% урожайность зерновых культур возрастет на 0,62%.
При увеличении количества удобрений, расходуемых на гектар, на 1% урожайность зерновых культур возрастет на 0,17%.
Дата публикования: 2015-10-09; Прочитано: 1595 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!