Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Цель исследования: проанализировать влияние длины спортивных и неспортивных автомобилей на их пробег различными методами.
Задачи исследования: построить одномерные и двумерную таблицы сопряжённости по длине и пробегу автомобилей; вычислить критерий х² двумя способами, вычислить коэффициент Крамера, сделать выводы; рассчитать коэффициент ранговой корреляции Спирмена, провести однофакторный дисперсионный анализ, вычислить коэффициент детерминации и корреляционное отношение, сделать выводы; построить линейную и степенную модели регрессии, а так же двухфакторную и трёхфакторную модели регрессии, обосновать выбор наилучшей модели регрессии.
Объект исследования: пробег спортивных и неспортивных автомобилей.
Метод исследования: средства MS Excel (сортировка, построение таблиц, алгебраические вычисления, проведение дисперсионного анализа, вычисление описательной статистики и регрессии), сопоставление моделей регрессии.
Признаком-результатом является пробег автомобиля. Признаком-фактором является длина автомобиля.
№п/п | Название | Спортивная | Длина | Пробег |
Ford Escape | Да | низкая | средний | |
Hyundai Santa Fe | Да | низкая | средний | |
Mazda Tribute | Да | низкая | средний | |
Toyota RAV4 | Да | низкая | высокий | |
Buick Rendezvous | Да | средняя | низкий | |
Honda CR-V | Да | средняя | высокий | |
Lexus RX300 | Да | средняя | средний | |
Mazda MPV | Нет | средняя | средний | |
Mercury Villager | Нет | средняя | средний | |
Nissan Quest | Нет | средняя | средний | |
Saab 9-5 | Нет | средняя | высокий | |
Saturn L-Series | Нет | средняя | высокий | |
Saturn VUE | Да | средняя | средний | |
Toyota Highlander | Да | средняя | средний | |
Toyota Sienna | Нет | средняя | средний | |
Chevrolet Suburban | Да | значительная | низкий | |
Chevrolet Venture | Нет | значительная | средний | |
Chrysler Town & Country | Нет | значительная | средний | |
Dodge Caravan/Grand Caravan | Нет | значительная | средний | |
Ford Excursion | Да | значительная | низкий | |
Ford Windstar | Нет | значительная | средний | |
GMC Yukon XL | Да | значительная | низкий | |
Honda Odyssey | Нет | значительная | средний | |
Oldsmobile Silhouette | Нет | значительная | средний | |
Pontiac Montana | Нет | значительная | средний |
Количество по полю Длина | |
Длина | Итог |
значительная | |
низкая | |
средняя | |
Общий итог |
Таблица 1 | ||
Распределение автомобилей по длине | ||
Длина | Число автомобилей | В % к итогу |
низкая | ||
средняя | ||
значительная | ||
Итого: |
Количество по полю Пробег | |
Пробег | Итог |
высокий | |
низкий | |
средний | |
Общий итог |
Таблица 2 | ||
Распределение автомобилей по пробегу | ||
Пробег | Число автомобилей | В % к итогу |
низкий | ||
средний | ||
высокий | ||
Итого: |
Количество по полю Пробег | Пробег | |||
Длина | высокий | низкий | средний | Общий итог |
значительная | ||||
низкая | ||||
средняя | ||||
Общий итог |
Таблица 3 | ||||
Зависимость пробега автомобиля от длины | ||||
Длина | Пробег | Итого: | ||
низкий | средний | высокий | ||
низкая | ||||
средняя | ||||
значительная | ||||
Итого: |
По результатам построения двумерной таблицы сопряжённости было выяснено, что среди 25 автомобилей 17 (68%) имеют средний пробег (из 17 (100%) по 7 автомобилей (по 41%) имеют среднюю и значительную длину, у трёх (18%) автомобилей длина низкая); по 4 (по 16%) автомобиля имеют низкий пробег (у 3 автомобилей (75%) длина значительная, у 1 (25%) средняя) и высокий пробег (у 3 автомобилей (75%) длина средняя, у 1(25%) низкая).
Таким образом, более половины автомобилей (14 из 25 (56%)) имеют средний пробег при средней и значительной длине автомобиля.
Таблица затрат времени
Итого | |||||||||||
21-20 | 21-21 | 21-31 | 21-36 | 21-51 | 22-00 | 22-05 | 22-15 | 22-45 | 23-15 | 23-23 | 21-20 |
21-21 | 21-31 | 21-36 | 21-51 | 21-55 | 22-05 | 22-15 | 22-40 | 23-15 | 23-23 | 23-43 | 23-43 |
1 мин | 10 мин | 5 мин | 15 мин | 4 мин | 5 мин | 10 мин | 25 мин | 30 мин | 8 мин | 20 мин | 2 ч 13 мин |
Нулевая гипотеза H0: Y≠f(X) – пробег автомобиля не является функцией от его длины.
Альтернативная гипотеза H1: Y=f(X) – пробег автомобиля является функцией от его длины.
При расчёте х² на основе сопоставления фактических частот с ожидаемыми х²=4,93. При расчёте х² методом максимального правдоподобия х²=6,8.
(4,93≈6,8, условия построения таблиц сопряжённости не нарушены, нет необходимости укрупнять градацию)
α=0,29 > 0,05;
df=(m-1)*(k-1)=2*2=4; х² критич.=9,49
х² фактич.< х² критич.,
следовательно, принимается H0, между пробегом и длиной автомобиля нет функциональной зависимости; связь пробега автомобиля и длины статистически незначима. Коэффициент Крамера =0,3, следовательно, связь между пробегом автомобиля и длиной отсутствует (маловероятна), длина и его пробег независимы.
Таблица 4 | ||||||
Расчёт критерия хи-квадрат на основе сопоставления фактических частот с ожидаемыми | ||||||
i | j | фактическая клеточная частота | теоретическая частота | отклонение фактической частоты от теоретической | квадрат разности | квадрат разности, делённый на теоретическую частоту |
0,64 | -0,64 | 0,41 | 0,64 | |||
2,72 | 0,28 | 0,08 | 0,03 | |||
0,64 | 0,36 | 0,13 | 0,20 | |||
1,76 | -0,76 | 0,58 | 0,33 | |||
7,48 | -0,48 | 0,23 | 0,03 | |||
1,76 | 1,24 | 1,54 | 0,87 | |||
1,6 | 1,4 | 1,96 | 1,23 | |||
6,8 | 0,2 | 0,04 | 0,01 | |||
1,6 | -1,6 | 2,56 | 1,6 | |||
Σ=4,93 |
Таблица 5 | ||||
Расчёт критерия хи-квадрат методом максимального правдоподобия | ||||
i | j | фактическая клеточная частота f | ln(f) | f*ln(f) |
1,10 | 3,30 | |||
1,95 | 13,62 | |||
1,10 | 3,30 | |||
1,10 | 3,30 | |||
1,95 | 13,62 | |||
Σ=37,13 | ||||
i | j | маргинальные частоты k | ln(k) | k*ln(k) |
1,39 | 5,55 | |||
2,40 | 26,38 | |||
2,30 | 23,03 | |||
1,39 | 5,55 | |||
2,83 | 48,16 | |||
1,39 | 5,55 | |||
Σ=114,20 | ||||
3,22 | 80,47 |
Использование критерия х² и коэффициента Крамера не даёт достоверных результатов, так как среди фактических клеточных частот имеются нулевые (также не каждая теоретическая и маргинальная частота ≥ 5).
Коэффициент ранговой корреляции Спирмена= -0,26 (пробег и длина автомобилей измерены на порядковых шкалах; сумма квадратов разности рангов=3286), следовательно, между пробегом автомобиля и его длиной наблюдается слабая обратная связь.
Длина автомобилей | ||
низкая | средняя | значительная |
Пробег | |
Среднее | 17,88 |
Стандартная ошибка | 0,560714 |
Медиана | |
Мода | |
Стандартное отклонение | 2,803569 |
Дисперсия выборки | 7,86 |
Эксцесс | 1,940324 |
Асимметричность | -0,93935 |
Интервал | |
Минимум | |
Максимум | |
Сумма | |
Счет | |
Сумма квадратов общая | 188,64 |
Таблица 6 | ||||||
Зависимость пробега автомобилей от длины | ||||||
факторная сумма квадратов | ||||||
длина | число автомобилей | пробег | средний пробег | отклонение от средней | квадрат отклонения | взвешенный квадрат отклонения |
низкая | 18,5 | 0,62 | 0,3844 | 1,5376 | ||
средняя | 19,09091 | 1,210909 | 1,466301 | 16,12931 | ||
значительная | 16,3 | -1,58 | 2,4964 | 24,964 | ||
Итого: | 17,88 |
Таблица 7 | ||||||
Дисперсионный анализ | ||||||
вариация | сумма квадратов отклонений (факторная) | число степеней свободы | дисперсия на одну степень свободы | F фактический | альфа | F критический |
факторная (межгрупповая) | 42,63091 | 21,31545 | 3,211718 | 0,059732 | 3,443357 | |
остаточная (внутригрупповая) | 146,0091 | 6,636777 | ||||
итого (общая) | 188,64 |
Длина оказывает несущественное влияние на пробег автомобиля. Fфактич. < Fкритич., следовательно, влияние длины автомобиля на пробег статистически незначимо.
Коэффициент детерминации (теснота, вероятность связи)=0,23. Вариации пробега автомобиля в 23% случаев из 100 обусловлена вариацией длины автомобиля, в 77% случаев из 100 вариация обусловлена остальными факторами, кроме длины.
Корреляционное отношение= 0,475, следовательно, связь длины и пробега автомобиля умеренная, прямая, но практического значения не имеет (по шкале Чедока).
№п/п | Пробег Y | Длина X | Х² | УХ | У² |
Сумма | |||||
Среднее | 17,88 | 192,84 | 37406,92 | 3421,48 | 327,24 |
Линейное парное уравнение регрессии методом наименьших квадратов (пробег и длина автомобилей измерены на непрерывных шкалах): у=41-0,12х
a=Y-bX=41; b=(XY-X*Y)/(X²-(X)²)= -0,12, следовательно, при изменении длины на единицу от среднего значения пробег автомобиля изменяется на -0,12 от среднего значения в условиях обратной линейной связи.
Уравнение парной регрессии матричным методом: у=50-0,08х (a=50; b= -0,08, следовательно, при изменении длины на единицу от среднего значения пробег автомобиля изменяется на -0,08 от среднего значения в условиях обратной линейной связи)
Хт | |||||||||||||||||||||||||
ХтХ | (ХтХ)-1 | 6,81 | -0,035 | ||||||||||
-0,035 | 0,000182 | ||||||||||||
XTY | BМНК | 50,275 | |||||||||||
-0,07727 | |||||||||||||
Таблица 8 | |||||||||||||
Таблица дисперсионного анализа | |||||||||||||
Сумма квадратов | Число степеней свободы df | Дисперсия на 1df | Fфактич. | ||||||||||
Факторная | 79,91 | p | 79,91 | ||||||||||
Остаточная | 108,73 | n-p-1 | 4,73 | 16,9 | |||||||||
Общая | 188,64 | n-1 | |||||||||||
Fкритич.=4,28. Fфактич. > Fкритич., следовательно, уравнение линейной регрессии статистически значимо.
Коэффициент детерминации=0,42. Из 100% случаев вариации пробега автомобиля в 42% вариация пробега обусловлена вариацией длины автомобиля, в 58% случаев вариация пробега обусловлена прочими факторами, кроме длины.
Индекс корреляции=0,65, наблюдается заметная связь (по шкале Чедока). Коэффициент корреляции= -0,65, наблюдается линейная, обратная и заметная связь.
tфактич. для параметра b = -0,26; tкритич. для параметра b =1,714. tфактич. < tкритич., следовательно, параметр b статистически значим.
Длина X | Пробег Y | lgX | Предсказанное lgY | 10^lgY | ε | ε² | Вид автомобиля Z (Фиктивная переменная: неспортивный-0, спортивный-1) | XZ |
2,356 | 1,140 | 13,807 | -3,807 | 14,495 | ||||
2,340 | 1,163 | 14,557 | -1,557 | 2,425 | ||||
2,340 | 1,163 | 14,557 | -1,557 | 2,425 | ||||
2,272 | 1,264 | 18,376 | -2,376 | 5,644 | ||||
2,303 | 1,218 | 16,520 | 0,480 | 0,230 | ||||
2,303 | 1,218 | 16,520 | 0,480 | 0,230 | ||||
2,238 | 1,314 | 20,610 | -3,610 | 13,032 | ||||
2,303 | 1,218 | 16,520 | 0,480 | 0,230 | ||||
2,238 | 1,314 | 20,610 | -3,610 | 13,032 | ||||
2,248 | 1,299 | 19,927 | -1,927 | 3,713 | ||||
2,272 | 1,264 | 18,376 | -0,376 | 0,141 | ||||
2,258 | 1,285 | 19,281 | -1,281 | 1,641 | ||||
2,265 | 1,275 | 18,819 | -0,819 | 0,671 | ||||
2,288 | 1,241 | 17,406 | 0,594 | 0,352 | ||||
2,303 | 1,218 | 16,520 | 2,480 | 6,151 | ||||
2,303 | 1,218 | 16,520 | 2,480 | 6,151 | ||||
2,255 | 1,289 | 19,439 | -0,439 | 0,193 | ||||
2,290 | 1,237 | 17,275 | 1,725 | 2,976 | ||||
2,290 | 1,237 | 17,275 | 1,725 | 2,976 | ||||
2,303 | 1,218 | 16,520 | 2,480 | 6,151 | ||||
2,303 | 1,218 | 16,520 | 2,480 | 6,151 | ||||
2,253 | 1,292 | 19,599 | 1,401 | 1,962 | ||||
2,276 | 1,257 | 18,090 | 2,910 | 8,470 | ||||
2,217 | 1,344 | 22,100 | -0,100 | 0,010 | ||||
2,279 | 1,254 | 17,949 | 5,051 | 25,508 | ||||
Σ =124,960 |
Модель регрессии | Линейная модель | Степенная модель | Двухфакторная модель | Трёхфакторная модель |
Множественный R | 0,65 Связь заметная. | 0,65 Связь заметная. | 0,86 Связь высокая. | 0,86 Связь высокая. |
R-квадрат | 0,42 Вариация пробега автомобиля в 42% случаев из 100% обусловлена вариацией длины автомобиля, в 58% случаев – вариацией остальных факторов, кроме длины. | 0,42 Вариация пробега автомобиля в 42% случаев из 100% обусловлена вариацией длины автомобиля, в 58% случаев – вариацией остальных факторов, кроме длины. | 0,74 Вариация пробега автомобиля в 74% случаев из 100% обусловлена вариацией длины автомобиля, в 26% случаев – вариацией остальных факторов, кроме длины. | 0,74 Вариация пробега автомобиля в 74% случаев из 100% обусловлена вариацией длины автомобиля, в 26% случаев – вариацией остальных факторов, кроме длины. |
Нормированный R-квадрат | 0,399 | 0,399 | 0,717 | 0,704 |
F Значимость F (α) | 16,9 0,00042 Уравнение регрессии значимо. | 16,9 0,00042 Уравнение регрессии значимо. | 31,4 0,00000035 Уравнение регрессии значимо. | 20,05 0,0000023 Уравнение регрессии значимо. |
Сумма квадратов остатков | 108,7 | 124,9 | 48,8 | 48,8 |
Коэффициент a (Пробег) t-статистика P-значение | 41,14 7,25 0,00000022 Параметр a статистически значим. | 4,6 5,6 0,0000098 Параметр a статистически значим. | 48,34 11,7 0,0000000001 Параметр a статистически значим. | 50,95 3,13 0,005 Параметр a статистически не значим. |
Коэффициент b (Длина) t-статистика P-значение | -0,12 -4,11 0,000426 Параметр b статистически значим. | -1,47 -4,11 0,00042 Параметр b статистически значим. | -0,15 -7,18 0,00000034 Параметр b статистически значим. | -0,16 -1,98 0,061 Параметр b статистически не значим. |
Коэффициент c (Вид) t-статистика P-значение | -3,22 -5,19 0,000033 Параметр с статистически значим. | -5,99 -0,36 0,724 Параметр с статистически не значим. | ||
Коэффициент XZ t-статистика P-значение | 0,014 0,17 0,87 Параметр XZ статистически не значим. |
Наилучшая модель регрессии – двухфакторная, так как уравнение регрессии в целом статистически значимо, все три параметра модели статистически значимы, сумма квадратов остатков минимальна, коэффициент детерминации нормированный R-квадрат максимален.
Анализ адекватности степенной модели (анализ остатков): остатки нормально распределены, отсутствует асимметрия (As=0,06), но наличие плосковершинности
(E-3=-0,4) распределения остатков является недостатком модели. Остатки гомоскедастичны (имеют одинаковый разброс у единиц с низкими и высокими значениями; Fфактич.=(5,4/2)/(1,4/2)= 3,8 < Fкритич.=19, следовательно, между дисперсиями не выявлено существенных отличий (при уровне значимости 0,05)), между остатками и фактором (длиной автомобиля) нет связи (-0,04), следовательно, модель адекватна.
Дисперсионный анализ предпочтительнее корреляционно-регрессионного, так как связь между пробегом и длиной нелинейная.
Объект исследования: длина автомобилей. Метод исследования: построение таблиц и графиков в MS Excel, сортировка и типологическая и структурная группировки, алгебраические преобразования; вычисление описательной статистики), использования F и t критериев для проверки статистических гипотез, построение и сопоставление моделей регрессии. Вариация длины по каждому виду автомобилей: По результатам группировки автомобилей по виду (спортивный/неспортивный) было выяснено, что половина автомобилей (13 из 26,то есть 50% от общего числа) являются спортивными, половина (13 из 26, 50% от общего числа) - неспортивными. Таким образом, распределение состава совокупности автомобилей по типу (спортивный/неспортивный) одинаково (50% / 50%). Длина автомобилей варьируется от 165 до 255. Максимальная длина автомобиля 255 см, как и минимальная 165 см, принадлежит спортивным автомобилям. Длина спортивных автомобилей варьируется от 165 до 255 см (размах вариации=90 см). У 5 автомобилей (38% среди спортивных) длина колеблется в интервале 165-180 см (средняя длина=172,5 см), по 4 автомобиля (по 31% среди спортивных) имеют длину в интервалах 180-200 см (средняя длина=190 см) и 200-256 см (средняя длина=228 см). Модальным является интервал 165-180 (5 из 13 автомобилей попадают в данный интервал). Длина неспортивных автомобилей варьируется от 187 до 201 см (размах вариации=14 см). У 2 автомобилей (15% среди неспортивных) длина колеблется в интервале 187-190 см (средняя длина=188,5 см), у 4 (31% среди неспортивных) - в интервале 190-200 см (средняя длина=195 см), у 7 (54% среди неспортивных) - в интервале 200-202 см (средняя длина=201 см). Модальным является интервал 200-202 (7 из 13 автомобилей попадают в данный интервал). Размах вариации спортивных автомобилей превышает размах вариации неспортивных автомобилей в 6,4 раза (то есть длина спортивных автомобилей более разнообразна). Длину до 200 см имеют 6 спорт (46%) и 9 неспорт (69%) авто. Длину более 200 см имеют 7 спорт (54%) и 4 неспорт (31%) авто.
Зависимость длины автомобилей от их вида (спортивный/неспортивный: По результатам вычисления описательной статистики было выяснено, что выбросы отсутствуют (так как минимальная (165 см) и максимальная (255 см) имеющиеся длины автомобилей не выходят за границы выбросов (119,23 см и 269,77 см соответственно)); коэффициент эксцесса, равный 2,62 >0, указывает на островершинное распределение, коэффициент асимметрии, равный 1,25 >0, указывает на правостороннюю асимметрию (преобладают длины с меньшими значениями относительно среднего). Модальная длина (наиболее распространённая) 201 см. Размах вариации длины (различие max и min значений) равен 90 см. Относительный размах вариации (амплитуда колебания длины от средней) равен (255-165)*100/195,23=46%. Коэффициент вариации длины автомобилей (18,82*100/195,23=9,64% < 35%) показывает, что вариация слабая, а совокупность однородная (массив данных обрабатывается целиком, нет необходимости дробить), надёжная. Алгебраические преобразования длины показали, что целесообразно использовать преобразование Логарифм, так как оно соответствуетнаиболее нормальному распределению (коэффициенты эксцесса и асимметрии ближе к нулю, чем при других преобразованиях или без них). Нижний квартиль длины (25%) равен 182,5 см, верхний квартиль длины (75%) равен 210 см. Вариация в ядре совокупности равна 7% (слабая). По результатам структурной группировки было выяснено, что все неспортивные автомобили (100%; половина от общего количества автомобилей (13 из 26, 50%)) имеют длину от 181 до 219 см, то есть расположены в ядре совокупности, а среди спортивных автомобилей только 2 из 13 (15% среди спортивных) расположены в ядре совокупности (интервал 181-219 см), 7 из 13 спортивных автомобилей (54%) имеют длину в интервале 165-181 см (модальный интервал для спортивных автомобилей), 4 из 13 (31%) в интервале 219-255 см, таким образом, 11 из 13 спортивных автомобилей (85%) находятся на периферии совокупности.
Fфактич.=(734,19/12)/(28,4/12)=25,85 > Fкритич., следовательно, принимается гипотеза H1: между дисперсиями выявлены существенные отличия
(при уровне значимости 0,05) – дисперсия длины спортивных автомобилей существенно превышает дисперсию длины неспортивных автомобилей в 25,85 раз.
t фактич.=(193,7-196,7)/ (734/12+(28,4)/12) =0,367 < t критич., следовательно, принимается гипотеза H0, с вероятностью 95% значение средней (доли) в первой выборке (длина спортивных автомобилей) статистически незначительно отличается от средней (доли) во второй выборке (длина неспортивных автомобилей).
t фактич..=(13,9-2,7)/ ((193,21)/(2*13)+(7,29)/(2*13)) =(11,2)/(2,7)=4,15 > t критич., следовательно, принимается гипотеза H1, между коэффициентами вариации длины спортивных и неспортивных автомобилей выявлены существенные различия. Коэффициент вариации длины спортивных автомобилей превышает коэффициент вариации длины неспортивных автомобилей в 5 раз.
Таким образом, по результатам F и t тестов было выяснено, что дисперсии и коэффициенты вариации длины спортивных и неспортивных автомобилей (по 50% от общего количества автомобилей) существенно различаются, отличия средних статистически незначительны (рис.1 отражает эти выводы: неспортивные автомобили расположены только в ядре совокупности, спортивные – по всей совокупности, следовательно, они более разнообразны (различные σ² и V), чем неспортивные, но их средние расположены в ядре совокупности и несильно отличаются друг от друга).
Влияние длины спортивных и неспортивных автомобилей на их пробег: Признаком-результатом является пробег автомобиля. Признаком-фактором является длина автомобиля. По результатам построения двумерной таблицы сопряжённости было выяснено, что среди 25 автомобилей 17 (68%) имеют средний пробег (из 17 (100%) по 7 автомобилей (по 41%) имеют среднюю и значительную длину, у трёх (18%) автомобилей длина низкая); по 4 (по 16%) автомобиля имеют низкий пробег (у 3 автомобилей (75%) длина значительная, у 1 (25%) средняя) и высокий пробег (у 3 автомобилей (75%) длина средняя, у 1(25%) низкая). Таким образом, более половины автомобилей (14 из 25 (56%)) имеют средний пробег при средней и значительной длине автомобиля. Между пробегом и длиной автомобиля нет функциональной зависимости; связь пробега автомобиля и длины статистически незначима. Коэффициент Крамера =0,3, следовательно, связь между пробегом автомобиля и длиной отсутствует (маловероятна), длина и его пробег независимы. Коэффициент ранговой корреляции Спирмена= -0,26 (пробег и длина автомобилей измерены на порядковых шкалах; сумма квадратов разности рангов=3286), следовательно, между пробегом автомобиля и его длиной наблюдается слабая обратная связь.Дисперсионный анализ: Длина оказывает несущественное влияние на пробег автомобиля. Fфактич. < Fкритич., следовательно, влияние длины автомобиля на пробег статистически незначимо. Коэффициент детерминации (теснота, вероятность связи)=0,23. Вариации пробега автомобиля в 23% случаев из 100 обусловлена вариацией длины автомобиля, в 77% случаев из 100 вариация обусловлена остальными факторами, кроме длины. Корреляционное отношение= 0,475, следовательно, связь длины и пробега автомобиля умеренная, прямая, но практического значения не имеет (по шкале Чедока).Наилучшая модель регрессии – двухфакторная, так как уравнение регрессии в целом статистически значимо, все три параметра модели статистически значимы, сумма квадратов остатков минимальна, коэффициент детерминации нормированный R-квадрат максимален. Анализ адекватности степенной модели (анализ остатков): остатки нормально распределены, отсутствует асимметрия (As=0,06), но наличие плосковершинности (E-3=-0,4) распределения остатков является недостатком модели. Остатки гомоскедастичны (имеют одинаковый разброс у единиц с низкими и высокими значениями; Fфактич.=(5,4/2)/(1,4/2)= 3,8 < Fкритич.=19, следовательно, между дисперсиями не выявлено существенных отличий (при уровне значимости 0,05)), между остатками и фактором (длиной автомобиля) нет связи (-0,04), следовательно, модель адекватна. Дисперсионный анализ предпочтительнее корреляционно-регрессионного, так как связь между пробегом и длиной нелинейная.
Дата публикования: 2015-02-22; Прочитано: 1117 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!