Этапы расчета прогнозных значений с помощью корреляционно-регрессионного анализа (многофакторная модель)
Содержание
- 2. Исходные данные На основе статистических данных, представленных в таблице, выявить причинно-следственные зависимости между показателями, количественно оценить
- 3. Исходные данные
- 4. После сбора информации и анализа исходных данных, первоначально необходимо произвести корреляционный анализ, путем построения матрицы коэффициентов
- 5. !!! Одним из условий регрессионной модели является предположение о функциональной независимости объясняющих переменных. Высокая корреляция между
- 6. Для проведения корреляционного анализа можно воспользоваться пакетом анализа MS Excel, выбрав вкладку «Данные» => «Анализ данных»
- 7. Последовательность этапов
- 8. Последовательность этапов Диалоговое окно «Корреляция»:
- 9. Последовательность этапов В диалоговом окне «Корреляция» выберите: 1. Входной интервал: все исходные данные, включая У и
- 10. Последовательность этапов В диалоговом окне «Корреляция» выберите: 3. Выходной интервал (выбираем любую свободную ячейку, чтобы расчеты
- 11. Последовательность этапов Результаты корреляционного анализа
- 12. Последовательность этапов На основе анализа матрицы оценок коэффициентов парной корреляции можно сделать вывод о том, что
- 13. Далее необходимо провести регрессионный анализ, для этого можно воспользоваться пакетом анализа MS Excel, выбрав вкладку «Данные»
- 14. Последовательность этапов
- 15. Последовательность этапов Диалоговое окно «Регрессия»:
- 16. Последовательность этапов В диалоговом окне «Регрессия» выберите: 1. Входной интервал У: фактические значения У из исходной
- 17. Последовательность этапов В диалоговом окне «Регрессия» выберите: 2. Входной интервал Х: значения всех факторов Х из
- 18. Последовательность этапов В диалоговом окне «Регрессия» выберите: 3. Выходной интервал (выбираем любую свободную ячейку, чтобы расчеты
- 19. Последовательность этапов Результаты регрессионного анализа
- 20. Главная цель регрессионного анализа – это выявление существенных факторов (Х), влияющих на исследуемый показатель (У). Для
- 21. Последовательность этапов Полученные значения t-статистика
- 22. Для того чтобы рассчитать t-критерий Стьюдента, необходимо воспользоваться в MS Excel функцией «СТЬЮДРАСПОБР». Последовательность этапов
- 23. Рассчитанный t-критерий Стьюдента Последовательность этапов
- 24. Если |tстат. | Если | tстат. |> tкр. Ст. значит, коэффициент является статистически значимыми (то есть
- 25. По результатам регрессионного анализа при сравнении расчётных значений с табличным значением t-критерия Стьюдента фактор Х1 является
- 26. Так как фактор Х1 является несущественным, следовательно, его необходимо исключить из анализа и провести регрессионный анализ
- 27. Результаты заново проведенного регрессионного анализа Последовательность этапов
- 28. Далее заново определяем какие факторы являются существенными, путем сравнения полученных значений «t-статистика» с рассчитанным t-критерием Стьюдента.
- 29. Заново пересчитываем t-критерий Стьюдента, воспользовавшись в MS Excel функцией «СТЬЮДРАСПОБР». Последовательность этапов
- 30. Рассчитанный t-критерий Стьюдента Последовательность этапов
- 31. По результатам повторного регрессионного анализа при сравнении расчётных значений с табличным значением t-критерия Стьюдента все факторы
- 32. Также результатом регрессионного анализа являются рассчитанные коэффициенты уравнения регрессии. Последовательность этапов Коэффициенты уравнения регрессии
- 33. Последовательность этапов Таким образом, уравнение регрессии имеет следующий вид: У = 22737,59 + 0,005 * Х2
- 34. Последовательность этапов Для прогнозирования значений факторов Х2 и Х3 необходимо использовать метод прогнозной экстраполяции.
- 35. Построение графика исходного временного ряда для фактора Х2. Последовательность этапов
- 36. Выбор типа тренда. Последовательность этапов
- 37. Последовательность этапов Более точные значения прогнозируемой переменной можно получить, если воспользоваться Линейным уравнением линии тренда (так
- 38. Последовательность этапов
- 39. Рассчитаем прогнозные значения фактора Х2 Последовательность этапов
- 40. Прогнозные значения фактора Х2 Последовательность этапов
- 41. Построение графика исходного временного ряда для фактора Х3. Последовательность этапов
- 42. Выбор типа тренда. Последовательность этапов
- 43. Последовательность этапов Более точные значения прогнозируемой переменной можно получить, если воспользоваться Полиномиальным уравнением линии тренда (так
- 44. Последовательность этапов
- 45. Рассчитаем прогнозные значения фактора Х3 Последовательность этапов
- 46. Прогнозные значения фактора Х3 Последовательность этапов
- 47. После определения прогнозных значений факторов Х2 и Х3, рассчитаем прогнозные значения исследуемой характеристики У, путем подставления
- 48. Последовательность этапов Коэффициенты уравнения регрессии Прогнозные значения факторов Х2 и Х3
- 49. Последовательность этапов Коэффициенты уравнения регрессии Прогнозные значения факторов Х2 и Х3
- 51. Скачать презентацию