- •Вариант 1 Пример 1
- •Пример 2
- •Вариант 2 Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 2
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 2
- •Пример 1
- •1.Построить линейное уравнение парной регрессии у по х.
- •2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
- •Пример 1
- •Пример 2
- •Пример 2
- •Пример 1
- •Пример 2
- •Пример 1
- •Пример 1
1.Построить линейное уравнение парной регрессии у по х.
2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
З.Оценить статистическую значимость уравнения регрессии в целом и отдельных параметров регрессии и корреляции с помощью F-критерия Фишера и t-критерия Стьюдента.
4.Выполнить прогноз выработки продукции на одного работника (у) при прогнозном значении удельного веса рабочих высокой квалификации в обшей численности рабочих (х), составляющем 107% от среднего уровня. 5.Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.
Пример 2 По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 2).
Таблица 2 - Исходные данные
№ 1-1/11 |
У |
Х1 |
Х2 |
1 |
1,9 |
33,4 |
13,2 |
2 |
1,4 |
19,8 |
12,6 |
3 |
0.4 |
19,5 |
12,2 |
4 |
0,8
|
16,8 |
3,2 |
5 |
1,8
|
27,2 |
13 |
6
|
0,9 |
12,4 |
6,9 |
7 |
1,1 |
17,7 |
15,1 |
8 |
1,9 |
12,7 |
11,9 |
9 |
0,9 |
21,4 |
1,6 |
10 |
1,3 |
13,5 |
8,6 |
11 |
2,4 |
13,4 |
11,5 |
12 |
0,6 |
14,2 |
1,9 |
где у - чистый доход, млрд. долл.
Х1- оборот капитала, млрд. долл.
х2- использованный каптал, млрд. долл.
Задание:
1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
Вариант 6
Пример 1
По 12 предприятиям региона N приводятся данные за 2013 г. (таблица 1).
Таблица 1 —Исходные данные
№ п/п |
У |
Х1 |
1 |
2 |
3,5 |
2 |
3 |
3,6 |
3 |
4 |
3,9 |
4 |
5 |
4,1 |
5 |
6 |
4,2 |
6 |
1 |
4,5 |
7 |
2 |
5,3 |
8 |
3 |
5,3 |
9 |
5 |
5,6 |
10 |
5 |
6,5 |
11 |
6 |
6,3 |
12 |
1 |
6,4 |
где у - выработка продукции на одного работника (тыс. руб.);
Х1- удельный вес рабочих высокой квалификации в общей численности рабочих (%).
Задание:
1.Построить линейное уравнение парной регрессии у по х.
2.Расчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.
З.Оценить статистическую значимость уравнения регрессии в целом и отдельных параметров регрессии и корреляции с помощью F-критерия Фишера и t-критерия Стьюдента.
4.Выполнить прогноз выработки продукции на одного работника (у) при прогнозном значении удельного веса рабочих высокой квалификации в обшей численности рабочих (х), составляющем 107% от среднего уровня.
5.Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.