- •Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина – Уотсона.
- •Спрогнозировать значение результативного показателя, используя полученную модель регрессии.
- •Исходная информация
- •Вариант №2
- •Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.
- •Вариант №4
- •Вариант №5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
Вариант 6
Построить регрессионною модель зависимости данных об объеме продаж в зависимости от:
Х1 результат теста способности к продаже;
Х2 возраст продавца;
Х3 результат теста тревожности;
Х4 опыт работы;
Х 5 средний балл школьного аттестата.
Объем продаж в месяц (тыс. руб.) У |
Результат теста способности к продаже Х1 |
Возраст продавца Х2 |
Результат теста тревожности Х3 |
Опыт работы Х4 |
Средний балл школьного аттестата Х5 |
44 |
10 |
22,1 |
4,9 |
0 |
2,4 |
47 |
19 |
22,5 |
3,0 |
1 |
2,6 |
60 |
27 |
23,1 |
1,5 |
0 |
2,8 |
71 |
31 |
24 |
0,6 |
3 |
2,7 |
61 |
64 |
22,6 |
1,8 |
2 |
2,0 |
60 |
81 |
21,7 |
3,3 |
1 |
2,5 |
58 |
42 |
23,8 |
3,2 |
0 |
2,5 |
56 |
67 |
22,0 |
2,1 |
0 |
2,3 |
66 |
48 |
22,4 |
6,0 |
1 |
2,8 |
61 |
64 |
22,6 |
1,8 |
1 |
3,4 |
51 |
57 |
21,1 |
3,8 |
0 |
3,0 |
47 |
10 |
22,5 |
4,5 |
1 |
2,7 |
53 |
48 |
22,2 |
4,5 |
0 |
2,8 |
74 |
96 |
24,8 |
0,1 |
3 |
3,8 |
65 |
75 |
22,6 |
0,9 |
0 |
3,7 |
33 |
12 |
20,5 |
4,8 |
0 |
2,1 |
54 |
47 |
21,9 |
2,3 |
1 |
1,8 |
39 |
20 |
20,5 |
3,0 |
2 |
1,5 |
52 |
73 |
20,8 |
0,3 |
2 |
1,9 |
30 |
4 |
20,0 |
2,7 |
0 |
2,2 |
58 |
9 |
23,3 |
4,4 |
1 |
2,8 |
59 |
98 |
21,3 |
3,9 |
1 |
2,9 |
52 |
27 |
22,9 |
1,4 |
2 |
3,2 |
56 |
59 |
22,3 |
2,7 |
1 |
2,4 |
49 |
23 |
22,6 |
2,7 |
1 |
2,4 |
63 |
90 |
22,4 |
2,2 |
2 |
2,6 |
61 |
34 |
23,8 |
0,7 |
1 |
3,4 |
39 |
16 |
20,6 |
3,1 |
1 |
2,3 |
62 |
32 |
22,4 |
0,6 |
3 |
4,0 |
78 |
94 |
25,0 |
4,6 |
5 |
3,6 |
Вариант 7
№ п/п |
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
y |
1 |
1 |
1 |
39 |
20 |
8,2 |
0 |
1 |
0 |
15,9 |
2 |
3 |
1 |
68.4 |
40,5 |
10,7 |
0 |
1 |
0 |
27 |
3 |
1 |
1 |
34.8 |
16 |
10,7 |
0 |
1 |
12 |
13,5 |
4 |
1 |
1 |
39 |
20 |
8,5 |
0 |
1 |
12 |
15,1 |
5 |
2 |
1 |
54.7 |
28 |
10,7 |
0 |
1 |
12 |
21,1 |
6 |
3 |
1 |
74.1 |
46,3 |
10,7 |
0 |
1 |
12 |
28,7 |
7 |
3 |
1 |
71.7 |
45,9 |
10,7 |
0 |
0 |
0 |
27,2 |
8 |
3 |
1 |
74.5 |
47,5 |
10,4 |
0 |
0 |
0 |
28,3 |
9 |
4 |
1 |
137.7 |
87,2 |
14,6 |
0 |
1 |
0 |
52,3 |
10 |
1 |
1 |
40 |
17,7 |
11 |
1 |
1 |
8 |
22 |
11 |
2 |
1 |
53 |
31,1 |
10 |
1 |
1 |
8 |
28 |
12 |
3 |
1 |
86 |
48,7 |
14 |
1 |
1 |
8 |
45 |
13 |
4 |
1 |
98 |
65,8 |
13 |
1 |
1 |
8 |
51 |
14 |
2 |
1 |
62,6 |
21,4 |
11 |
1 |
1 |
0 |
34,4 |
15 |
1 |
1 |
45,3 |
20,6 |
10,4 |
1 |
1 |
8 |
24,7 |
16 |
2 |
1 |
56,4 |
29,7 |
9,4 |
1 |
1 |
8 |
30,8 |
17 |
1 |
1 |
37 |
17,8 |
8,3 |
0 |
1 |
0 |
15,9 |
18 |
3 |
1 |
67,5 |
43,5 |
8,3 |
0 |
1 |
0 |
29 |
19 |
1 |
1 |
37 |
17,8 |
8,3 |
0 |
1 |
3 |
15,4 |
20 |
3 |
1 |
69 |
42,4 |
8,3 |
0 |
1 |
3 |
28,6 |
21 |
1 |
1 |
40 |
20 |
8,3 |
0 |
0 |
0 |
15,6 |
22 |
3 |
1 |
69,1 |
41,3 |
8,3 |
0 |
1 |
0 |
27,7 |
23 |
2 |
1 |
68,1 |
35,4 |
13 |
1 |
1 |
20 |
34,1 |
24 |
2 |
1 |
75,3 |
41,4 |
12,1 |
1 |
1 |
20 |
37,7 |
25 |
3 |
1 |
83,7 |
48,5 |
12,1 |
1 |
1 |
20 |
41,9 |
26 |
1 |
1 |
48,7 |
22,3 |
12,4 |
1 |
1 |
20 |
24,4 |
27 |
1 |
1 |
39,9 |
18 |
8,1 |
1 |
0 |
0 |
21,3 |
28 |
2 |
1 |
68,6 |
35,5 |
17 |
1 |
1 |
12 |
36,7 |
29 |
1 |
1 |
39 |
20 |
9,2 |
1 |
0 |
0 |
21,5 |
30 |
2 |
1 |
48,6 |
31 |
8 |
1 |
0 |
0 |
26,4 |
31 |
3 |
1 |
98 |
56 |
22 |
1 |
0 |
0 |
53,9 |
32 |
2 |
1 |
68,5 |
30,7 |
8,3 |
1 |
1 |
6 |
34,2 |
33 |
2 |
1 |
71,1 |
36,2 |
13,3 |
1 |
1 |
6 |
35,6 |
34 |
3 |
1 |
68 |
41 |
8 |
1 |
1 |
12 |
34 |
35 |
1 |
1 |
38 |
19 |
7,4 |
1 |
1 |
12 |
19 |
36 |
2 |
1 |
93,2 |
49,5 |
14 |
1 |
1 |
12 |
46,6 |
37 |
3 |
1 |
117 |
55,2 |
25 |
1 |
1 |
12 |
58,5 |
38 |
1 |
2 |
42 |
21 |
10,2 |
1 |
0 |
12 |
24,2 |
39 |
2 |
2 |
62 |
35 |
11 |
1 |
0 |
12 |
35,7 |
40 |
3 |
2 |
89 |
52,3 |
11,5 |
1 |
1 |
12 |
51,2 |
41 |
4 |
2 |
132 |
89,6 |
11 |
1 |
1 |
12 |
75,9 |
42 |
1 |
2 |
40,8 |
19,2 |
10,1 |
1 |
1 |
6 |
21,2 |
43 |
2 |
2 |
59,2 |
31,9 |
11,2 |
1 |
1 |
6 |
30,8 |
44 |
3 |
2 |
65,4 |
38,9 |
9,3 |
1 |
1 |
6 |
24 |
45 |
2 |
2 |
60,2 |
36,3 |
10,9 |
1 |
1 |
12 |
31,9 |
46 |
3 |
2 |
82,2 |
49,7 |
13,8 |
1 |
1 |
12 |
43,6 |
47 |
3 |
2 |
98,4 |
52,3 |
15,3 |
1 |
1 |
12 |
52,2 |
48 |
3 |
3 |
76,7 |
44,7 |
8 |
1 |
1 |
0 |
43,1 |
49 |
1 |
3 |
38,7 |
20 |
10,2 |
1 |
1 |
6 |
25 |
50 |
2 |
3 |
56,4 |
32,7 |
10,1 |
1 |
1 |
6 |
35,2 |
51 |
3 |
3 |
76,7 |
44,7 |
8 |
1 |
1 |
6 |
40,8 |
52 |
1 |
3 |
38,7 |
20 |
10,2 |
1 |
0 |
0 |
18,2 |
53 |
1 |
3 |
41,5 |
20 |
10,2 |
1 |
1 |
0 |
20,1 |
54 |
2 |
3 |
48,8 |
28,5 |
8 |
1 |
0 |
0 |
22,7 |
55 |
2 |
3 |
57,4 |
33,5 |
10,1 |
1 |
1 |
0 |
27,6 |
56 |
3 |
3 |
76,7 |
44,7 |
8 |
1 |
1 |
0 |
36 |
57 |
1 |
4 |
37 |
17,5 |
8,3 |
0 |
1 |
7 |
17,8 |
58 |
2 |
4 |
54 |
30,5 |
8,3 |
0 |
1 |
7 |
25,9 |
59 |
3 |
4 |
68 |
42,5 |
8,3 |
0 |
1 |
7 |
32,6 |
60 |
1 |
4 |
40,5 |
16 |
11 |
0 |
1 |
3 |
19,8 |
61 |
2 |
4 |
61 |
31 |
11 |
0 |
1 |
3 |
29,9 |
62 |
3 |
4 |
80 |
45,6 |
11 |
0 |
1 |
3 |
39,2 |
63 |
1 |
3 |
52 |
21,2 |
11,2 |
1 |
1 |
18 |
22,4 |
64 |
2 |
3 |
78,1 |
40 |
11,6 |
1 |
1 |
18 |
35,2 |
65 |
3 |
3 |
91,6 |
53,8 |
16 |
1 |
0 |
18 |
41,2 |
66 |
1 |
4 |
39,9 |
19,3 |
8,4 |
0 |
1 |
6 |
17,8 |
67 |
2 |
4 |
56,2 |
31,4 |
11,1 |
0 |
1 |
6 |
25 |
68 |
3 |
4 |
79,1 |
42,4 |
15,5 |
0 |
1 |
6 |
35,2 |
69 |
4 |
4 |
91,6 |
55,2 |
9,4 |
0 |
1 |
6 |
40,8 |
Принятые в таблице обозначения:
y – цена квартиры, тыс. долл.;
x1 - число комнат в квартире;
x2 – район города (1, 2, 3, 4);
x3 – общая площадь квартиры, м2;
x4 – жилая площадь квартиры, м2;
x5 – площадь кухни, м2;
x6 – тип дома (1 – кирпичный, 0 – другой);
x7 – наличие балкона (1 – есть, 0 – нет);
x8 – число месяцев до окончания строительства.
Построить экономико математическую модель зависимости стоимости квартиры от ряда факторов и спрогнозировать стоимость квартир на рынке недвижимости на ближайшие пять лет.