49466 (609125), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Множественный R – коэффициент корреляции R,

R-квадрат – коэффициент детерминации R²;

В таблице 9 сгенерированы результаты дисперсионного анализа, которые используются для проверки значимости коэффициента детерминации R².

Таблица 9

Df – число степеней свободы, SS – сумма квадратов отклонений,

MS - дисперсия MS, F – расчетное значение F-критерия Фишера,

Значимость F – значение уровня значимости, соответствующее вычисленному F;

В таблице 10 сгенерированы значения коэффициентов регрессии и их

статистические оценки.

Таблица 10

Коэффициенты – значения коэффициентов регрессии,

Стандартная ошибка – стандартные ошибки коэффициентов регрессии,

t – статистика – расчетные значения t – критерия Стьюдента, вычисляемые по формуле 2,

Р-значения – значения уровней значимости ,соответствующие вычисленным значениям t,

Нижние 95% и Верхние 95% - соответствующие границы доверительных интервалов для коэффициентов регрессии.

В таблице 11 сгенерированы предсказанные значения результирующего фактора Y и значения остатков. Последние вычисляются как разность между предсказанным и исходным значениям Y.

Таблица 11

Расчет производился в оболочке «Excel», Сервис → Анализ данных → Регрессия.

t_{табличное} рассчитывалось с помощью функции СТЬЮДРАСПОБР исходя из формулы (3).

F_{табличное} рассчитывалось с помощью функции FРАСПОБР исходя из формулы (4).

Модель без учета «Сырья»

Таблица 12

Таблица 13

Таблица 14

Таблица 15

Все пояснения к таблицам , а также способ расчета, указаны в модели без учета «Материальных затрат» .

Перейдем к анализу сгенерированных таблиц обеих моделей.

Значение множественного коэффициента регрессии R в модели без учета «Материальных затрат» равно 0, 997, а в модели без учета «Сырья» равно 0,983. Это позволяет сделать вывод, что первая модель точнее отражает реальную связь.

При оценке значимости коэффициентов регрессии с помощью сравнения расчетного и табличного значений t – критерия Стьюдента стало очевидно, что следует выбрать модель «Материальных затрат». В данной модели t_{расчетное} найденных коэффициентов превышает t_{табличное} (см. таблицу 10) t – критерия Стьюдента, что позволяет сделать вывод, что коэффициенты регрессии в уравнении являются значимыми.

Тогда как в модели без учета «Сырья» два коэффициента регрессии ниже t_{табличное} ( см. таблицу 14), что говорит об отсутствии их значимости.

Проверку адекватности модели осуществляем уже только с моделью без учета «Материальных затрат».

Значение средней ошибки аппроксимации не превышает 12-15 %, что хорошо видно на рисунке 2, так как разница между предсказанным и исходным результирующим фактором Y очень небольшая.

Рассчитанный уровень значимости (см. таблицу 9) равен 1,2734E-10 < 0,05, это подтверждает значимость R². Значение F_{расчетное} – критерия Фишера больше F_{табличное}, значит связь между признаками признается существенной.

Рисунок 2

Таким образом, получаем искомое уравнение регрессии:

Выводы: Выполнив данную работу по этапам, была построена экономико-математическая модель методом математической статистики на примере ОАО швейной фабрики «Березка». Модель имеет вид:

.

Выбранные факторы Х₁,Х₂ и Х₃ существенно влияют на У, что подтверждает правильность их включения в построенную модель.

Так как коэффициент детерминации R² значим, то это свидетельствует о существенности связи между рассматриваемыми признаками.

Отсюда следует, что построенная модель эффективна.

Характеристики

Список файлов курсовой работы