- •Лабораторна робота №5 «множинна регресія»
- •1 Мета виконання лабораторної роботи
- •2 Хід виконання лабораторної роботи
- •2.1 Обчислення числових характеристик кожного з факторів
- •2.2 Стандартизація факторів
- •2.3 Побудова кореляційної матриці r
- •2.4 Дослідження та перевірка на наявність мультіколінеарності
- •3). Усунення мультіколінеарності:
- •2.5 Відшукання коефіцієнтів стандартизованого рівняння регресії з усуненою мультіколінеарністю
- •2.6 Відшукання коефіцієнтів початкового рівняння регресії. Записати рівняння множинної регресії
- •2.7 Порівняння теоретичних значень фактора у із статистичними
- •2.8 Перевірка залишків на наявність автокореляції. Відшукання коефіцієнта автокореляції.
- •2.9 Перевірка адекватності одержаного рівняння регресії
- •2.10 Оцінка впливу окремих факторів на результуючий фактор у
- •2.11 Відшукання прогнозного значення фактора у
- •2.12 Побудова довірчого інтервалу для прогнозу
- •3 Варіанти початкових даних для лабораторної роботи № 4
2.4 Дослідження та перевірка на наявність мультіколінеарності
1) У ячейці AL10 обчислити значення критерію Фаррара-Глобера по формулі:
, |
(4.5) |
де m - число факторів Xi; m = 3.
Для розрахунку формули (4.5) використовувати функції LN і МОПРЕД категорії «Математические».
У ячейці AO10 помістити узяте з таблиць критичне значення критерію Фаррара-Глобера:
, |
(4.6) |
Порівнюючи ці числа, отримані за формулами (4.5) та (4.6), зробити висновок про наявність або відсутність мультіколінеарності (якщо спостережуване значення більше критичного, то вона є). Висновок записати у відведеному полі.
2) Якщо мультіколінеарность знайдена, необхідно з'ясувати по критерію Стьюдента між якими саме факторами:
- у відведених ячейках AJ18:AL20 обчислити зворотну матрицю (функція МОБР категорії «Математические»);
- у ячейках AO18; AP18; AP19 обчислити по елементах зворотної матриці частні коефіцієнти кореляції за формулою:
|
(4.7) |
Оскільки матриця симетрична і на головній діагоналі розташовані одиниці, то обчислити потрібно тільки 3 таких числа.
- у ячейку AK26 занести узяте з таблиць критичне значення критерію Стьюдента:
|
(4.8) |
- у ячейках AK24, AL24, AL25 обчислити спостережуване значення критерію Стьюдента:
|
(4.9) |
- у ячейках AO24, AP24, AP25 відзначити наявність або відсутність мультиколінеарності між факторами. Якщо , то мультиколінеарність між цими факторами існує і у відповідній ячейці поставити одиницю. Якщо , то поставити нуль: між такими факторами мультіколінеарності немає.
- у відведеному полі записуємо висновок про те, який з факторів слід видалити для усунення мультіколінеарності.
3). Усунення мультіколінеарності:
- у відведені стовпці AU:BA скопіювати початкові і стандартизовані дані для факторів, залишених в моделі.
- у стовпець AT значення 1.
- у відведених полях (стовпці BF:BK) прибрати із записаних рівнянь регресії відкинутий чинник.
2.5 Відшукання коефіцієнтів стандартизованого рівняння регресії з усуненою мультіколінеарністю
1) У ячейках BF12:BG13 обчислити нову кореляційну матрицю R за формулою :
|
(4.10) |
2) У стовпці BH12:BH13 аналогічно обчислити матрицю Ry :
|
(4.11) |
3) Знайти в ячейках BK12:BK13 рішення нормальної системи, помножив зворотну матрицю на стовпець правих частин :
|
(4.12) |
4) Вписати знайдені значення коефіцієнтів в рівняння регресії на відведеному полі.
2.6 Відшукання коефіцієнтів початкового рівняння регресії. Записати рівняння множинної регресії
1) У відведених ячейках стовпця BK обчислити коефіцієнти початкового рівняння регресії по формулах переходу від ( i ) до (а i ):
|
(4.13) |
|
(4.14) |
2) Вписати знайдені значення коефіцієнтів (аi) в рівняння регресії на відведеному полі.
2.7 Порівняння теоретичних значень фактора у із статистичними
1) У стовпець BQ скопіювати початкові статистичні дані для фактора У.
2) У стовпці BR підрахувати теоретичні значення функції регресії за побудованою формулою:
. |
(4.15) |
3) У стовпці BS підрахувати "залишки" за формулою
. |
(4.16) |
4) У відведених ячейках обчислити наступні характеристики:
- середнє значення залишків;
- дисперсію залишків:
, |
(4.17) |
де - число коефіцієнтів в рівнянні регресії (нестандартизованому).
- стандартне відхилення залишків:
|
(4.18) |
Якщо кореляційна залежність добре описує статистичні дані, то значення та повинні бути близькими, а залишки малими, середнє залишків повинне бути приблизно рівним 0, а дисперсія і стандартне відхилення малими величинами.