Lineáris regressziós modell gőz
Együtthatók kiszámítása során a regressziós egyenlet adatok alapján 2.2 táblázat:
= 72,9-0,243 # 8729; 209,67 = 21.950
Következtetés. Lineáris regressziós modell tanult vonások kapcsolat formáját ölti egyenlet
A regressziós együttható azt mutatja, hogy a növekedés a faktor változó értékesítési bevételek 1 millió rubel. értékének kapott változó nyereséget árbevétel átlagosan millió rubel.
3. Ellenőrzés A regressziós egyenlet az értéke. [2]
1. értékelése gyakorlati alkalmasságát beépített kötési modell
legnagyobb meghatározási együtthatót R2.
Következtetés. Kritérium gyakorlati alkalmasságát kapcsolási modell R 2> 0.5 nem teljesül. Azonban, mivel az értéke R2 gyakorlatilag azonos 0,5, akkor feltételezhető, hogy az összeállított regressziós egyenlet megfelelően tükrözik a tényleges dependencia jellemzők, és alkalmas a gyakorlati felhasználásra.
2. Az értékelés a statisztikai szignifikancia (véletlenszerűség) R 2 együttható F-R.Fishera kritériumot alábbi képlettel számítottuk ki:
ahol m - számú együtthatót tartalmazó regressziós egyenlet (a paraméterek egy regressziós egyenlet), N- megfigyelések száma.
Táblázatos (kritikus) -teszt F érték Ftabl általános alakja. ahol - a szignifikanciaszint, m- együtthatók számát a regressziós egyenletet. Amikor a szignifikancia szintje 0,05 és m = 2
Mivel Frasch> Ftabl. a talált érték a meghatározás együtthatója R 2 felismeri a nem véletlenszerű valószínűsége 0,95.
Következtetés. Összeállított regressziós egyenlet
Meg lehet tekinteni, mint a megfelelő 95% -os biztonsággal.
Kiszámítása a rugalmassági tényező
Következtetés. Nagysága a rugalmassági tényező azt mutatja, hogy egyre fontosabb változó eladásából származó bevétel termékek 1% értéke a tényleges priznakaPribyl származó árbevétel növekedése átlagosan 0,7%.
a hozzárendelési 3. minta
A szükséges paraméterértékek, hogy megoldja a problémát, és számított feladat 1. táblázatban mutatjuk be. 3.1:
A szükséges paraméterértékek, hogy megoldja a problémát, és számított feladat 1. táblázatban mutatjuk be. 3.1: