Коэффициенты и эмпирического уравнения регрессии могут быть оценены исходя из условий минимизации одной из следующих сумм: 1. , однако эта сумма не может быть мерой качества найденных оценок в силу того, что существует бесчисленное количество прямых, для которых . 2. . Этот метод называется методом наименьшей суммы. 3. . Это самый рспростаренный и теоретически обоснованный метод, который получил название метода наименьших квадратов (МНК). Кроме того, он является наиболее простым с вычислительной точки зрения. Найдем оценки и , используя метод наименьших квадратов. При этом минимизируется следующая функция: . Эта функция является квадратичной функцией двух параметров и . Условием существования минимума функции двух переменных является равенство нулю ее частных производных:
Разделив оба уравнения системы на n, получим: , где Из формул статистики очевидно, что:
Тогда где выборочный коэффициент корреляции, стандартные отклонения. С помощью программы MS Excel и пакета Анализ данных производим вычисления. Линейная регрессия: Регрессионная статистика
Множественный R 0,957745067 R-квадрат 0,917275614 Нормированный R-квадрат 0,906935066 Стандартная ошибка 3,101748874 Наблюдения 10
Дисперсионный анализ:
df SS MS F Значимость F Регрессия 1 853,4332314 853,4332314 88,7066714 1,32524E-05 Остаток 8 76,9667686 9,620846075 Итого 9 930,4
Содержание
По предприятиям легкой промышленности региона получена информация, ха-рактеризующая зависимость объема выпуска продукции ( , млн. руб.) от объема ка-питаловложений ( , млн. руб.) Требуется: 1. Найти параметры уравнения линейной регрессии, дать экономическую интер-претацию коэффициента регрессии. 2. Вычислить остатки; найти остаточную сумму квадратов; оценить дисперсию остатков ; построить график остатков. 3. Проверить выполнение предпосылок МНК. 4. Осуществить проверку значимости параметров уравнения регрессии с помо-щью t-критерия Стьюдента 5. Вычислить коэффициент детерминации, проверить значимость уравнения рег-рессии с помощью - критерия Фишера , найти среднюю относи-тельную ошибку аппроксимации. Сделать вывод о качестве модели. 6. Осуществить прогнозирование среднего значения показателя при уровне значимости , если прогнозное значения фактора Х составит 80% от его максимального значения. 7. Представить графически: фактические и модельные значения точки про-гноза. 8. Составить уравнения нелинейной регрессии: гиперболической; степенной; показательной. Привести графики построенных уравнений регрессии. 9. Для указанных моделей найти коэффициенты детерминации, коэффициенты эластичности и средние относительные ошибки аппроксимации. Сравнить мо-дели по этим характеристикам и сделать вывод. Вариант 3