Рис. 1. Инструмент Регрессия Анализа данных.

⇐ ПредыдущаяСтр 2 из 5Следующая ⇒

Рис. 1. Инструмент Регрессия Анализа данных.

Результат Регрессии представлен на Рис. 2.

Рис. 2. Вывод итогов.

Построим модель: y = 1,132 + 0,060x₁ + 0,001x₂ + 0,103x₃

1.2.Произведем отбор информативных факторов в модель по t-критерию для коэффициентов регрессии.

Расчетные значения этого критерия для коэффициентов a₀, a₁, a₂, a₃ приведены на Рис. 2. в столбце t-статистика.

Табличное значение t-критерия при 5% уровне значимости и степенях свободы (40-3-1=36) составляет t_табл=2,028.

Таблица 2

	t-статистика	Вывод
Y	5,932	Т.к.t_расч>t_табл,то коэффициентa₀ значим
X1	2,184	Т.к.t_расч>t_табл,то коэффициентa₁значим
X2	2,798	Т.к.t_расч>t_табл,то коэффициент a₂значим
X3	1,942	Т.к.t_расч<t_табл,то коэффициент a₃не значим

Таким образом, значимо воздействуют на величину накладных расходов X ₁ – объем выполненных работ и X ₂ – численность рабочих. Они являются информативными факторами.

2.1.Построим уравнение множественной регрессии только со значимыми факторами.

Строим линейную зависимость величины накладных расходов Y от факторов X ₁ и X ₂.

Диалоговое окно Регрессия представлено на Рис. 3.

Рис. З. Инструмент Регрессия Анализа данных.

Результат Регрессии представлен на Рис. 4.

Рис. 4. Вывод итогов.

Получим модель y = 1,165 + 0,097x₁ + 0,001x₂.

2.2.Рассчитаем индекс корреляции R и оценить качество полученного уравнения регрессии с помощью коэффициента детерминации R². Оценим качество построенной модели с помощью коэффициента детерминации R². Из Рис. 4. имеем R²= 0,724, т.е. качество модели среднее, 72,4% данных описано нашей моделью.

Индекс корреляции R = 0,851. Это означает что связь между переменными X ₁, X ₂ и Y сильная.

3.1.Оценим значимость полученного уравнения с помощью F-критерия. Необходимо сравнить расчетное значение F_расч= 48,636 и табличное F_табл= 3,252. Расчет которого приведен на Рис. 5.

⇐ Предыдущая 123 4 5 Следующая ⇒