Реферат Курсовая Конспект
Простая регрессия - раздел Информатика, Простая и множественная регрессии 1.открыть Через Меню File – Open – Open Data File Файл...
|
1.Открыть через меню File – Open – Open Data File файл данных Carsales (Продажа машин). Данные представляют собой количество продаваемых машин (в тыс. шт.) по месяцам на протяжении 6 лет. В табл.4 приведена часть этих данных.
Таблица 4. Исходные данные
2. Через меню Relate - Simple Regression (Общность - Простая регрессия) перейти к окну простой регрессии. Выбрать в качестве независимой переменной параметр sales (продажи), независимой - переменную ADJUSTED (отрегулированные) и указать в поле Select: first(20) для ограничения объема данных первыми двадцатью строками. Результат - на рис.9.
Рис.9. Окно простой регрессии
Затем нажать ОК. На экране монитора появится окно результатов регрессионного анализа.
3. Среди табличных опций выделить следующие: Analysis Summary, Comparison of Alternative Models (Суммарный итог, сравнение альтернативных моделей). В первой таблице приводятся результаты расчета коэффициентов регрессионного уравнения, стандартные отклонения каждого коэффициента, значения статистик (табл.5).
Таблица 5. Результат регрессионного анализа
Regression Analysis - Linear model: Y = a + b*X
-----------------------------------------------------------------------------
Standard T
Parameter Estimate Error Statistic P-Value
-----------------------------------------------------------------------------
Intercept -289,341 1090,35 -0,265364 0,7937
Slope 1,04594 0,0667915 15,6598 0,0000
-----------------------------------------------------------------------------
Консультант дает следующее пояснение:
Выход показывает результаты подгонки модели простой линейной регрессии для описания связи между переменными sales и Adjusted. Уравнение подогнанной модели имеет вид:
sales = -289,341 + 1,04594*ADJUSTED.
Вследствие того, что Р-значение в таблице итогового анализа меньше, чем 0,01, то имеется статистически значимая связь между переменными при доверительном уровне 99%.
R-Squared статистика определяет, что подогнанная модель объясняет 93,16% всей вариации переменной sales.
В таблице сравнения альтернативных моделей (табл.6) приводятся различные виды моделей и значения коэффициента R-Squared (коэффициента детерминации) для этих моделей. Чем больше величина этого коэффициента, тем лучше выбранная модель объясняет вариации в переменной sales.
Таблица 6. Сравнение различных моделей
Comparison of Alternative Models
--------------------------------------------------
Model Correlation R-Squared
--------------------------------------------------
Multiplicative 0,9667 93,44%
Linear 0,9652 93,16%
Square root-Y 0,9601 92,19%
Double reciprocal 0,9590 91,96%
Square root-X 0,9582 91,81%
Exponential 0,9402 88,41%
Logarithmic-X 0,9332 87,08%
S-curve -0,9264 85,82%
Reciprocal-Y -0,8627 74,42%
Reciprocal-X -0,8408 70,69%
Из табл.6 видно, что лучшей моделью для подгонки этих данных является мультипликативная модель.
Для просмотра результатов подгонки данных различными моделями необходимо нажать правую клавишу мыши и в появившемся окне указать: Analysis Options (Анализ опций). В результате всплывает окно опций простой регрессии с различными типами моделей, показанное на рис.10.
Рис.10. Окно опций простой регрессии
4. Среди графических опций выделить Plot of Fitted Model (График подогнанной модели) и Residuals versus Row Number (Остатки в зависимости от номера строки). Эти графики показаны на рис.11 и 12, соответственно.
Рис.11. График подогнанной модели
Рис.12. График остатков
Приведенные графики (для линейной модели) показывают, что выбранная модель не противоречит данным: значение коэффициента R-Squared (коэффициента детерминации) здесь составляет 93,16%, а остатки имеют разные знаки отклонений от исходных данных, что, в свою очередь, не противоречит гипотезе о нормальном законе распределения остатков.
– Конец работы –
Эта тема принадлежит разделу:
На сайте allrefs.net читайте: "Простая и множественная регрессии"
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Простая регрессия
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов