 |
Пример №2. Многофакторная модель.
|
|
|
|
Задание:
На основе исходных данных о деятельности 10 торговых предприятий построить многофакторную модель, описывающую зависимость прибыли от товарооборота и торговой площади. Выполнить прогноз прибыли торгового предприятия на основе известных товарооборота и торговой площади.
Выполнение задания:
1. Создать в рабочей книге Microsoft Excel 3 новых листа (команда Вставка – Лист).
2. На Листе 4 ввести исходные данные по предприятию по образцу:
Задание №1: Провести корреляционный анализ.
1. Выполнить команду Сервис – Анализ данных – Корреляция.
2. Заполнить окно диалога по образцу:
3. На основе проведенного анализа сделайте выводы о тесноте связи между влияющими и результирующим показателями.
Задание №2: Построить регрессионную модель зависимости экономических показателей.
1. Команда Сервис – Анализ данных – Регрессия.
2. Заполнить окно диалога по образцу:
3. В результате получаем следующие данные (смотри рисунок):
4. На основании полученных данных можно сделать следующие выводы:
4.1. Проверку значимости модели проводят на основании показателей тесноты связи между значениями Yфактическими и Yтеоретическими:
4.1.1. Множественный коэффициент корреляции R равен коэффициенту корреляции между фактическими и теоретическими значениями объясняемой переменной. Чем ближе R к 1, тем лучше данная модель описывает фактические данные.
4.1.2. Коэффициент детерминации R2 равен квадрату множественного коэффициента корреляции. Он измеряет долю общей дисперсии относительно среднего Yтеоретического, которую можно объяснить регрессией. В нашем случае R2 = 0,986. То есть почти 99% дисперсии показателя Y (прибыли) можно объяснить с помощью построенной модели зависимости от X1 (товарооборота), X2 (торговой площади).
|
|
|
4.2. Модель описывает совместное влияние факторов на результирующий показатель. На основании коэффициентов, полученных в результате регрессионного анализа, составляем уравнение регрессии:
Y = 0,205*x1 + 8,9648*x2 + 0,8016
5. Выполнить проверку значимости уравнения регрессии.
Для этого необходимо сравнить фактическое значение F-статистики и критическое значение статистики Fкр по таблице Фишера.
В результате проведенного регрессионного анализа получили F-статистики = 247,76.
По таблице критических точек Фишера (Приложение 1) находят критическое значение статистики Fкр(n-m-1, m, a), где
n – количество наблюдений,
m – количество влияющих факторов,
a - уровень значимости.
В нашем случае по таблице Фишера находим:
Fкр(n-m-1, m, a) = Fкр(10-2-1, 2, 0,05) = Fкр(7, 2, 0,05) = 4,74
a=0,05 – допустили 5% погрешности, так как ставили 95 % надежности при выполнении регрессионного анализа.
Если F<Fкр, то уравнение регрессии не является значимым, коэффициент множественной корреляции R не существенно отличается от нуля. Если F>=Fкр, то уравнение регрессии является значимым, коэффициент множественной корреляции R существенно отличается от нуля.
В нашем случае 247,76>=4,74, то есть F>=Fкр, уравнение считается значимым.
6. Выполнить проверку значимости каждого влияющего фактора.
Для этого необходимо сравнить фактическое значение t-статистики и критическое значение tкр по таблице Стьюдента.
В результате проведенного регрессионного анализа получили значения:
для товарооборота t-статистика = 4,388;
для торговой площади t-статистика = 3,336.
По таблице Стьюдента (Приложение 2) находят критическое значение
t кр(n-m, a), где
n – количество наблюдений,
m – количество влияющих факторов,
a - уровень значимости.
В нашем случае по таблице Стьюдента находим:
|
|
|
t кр(n-m, a)= t кр(10-2, 0,05) = t кр(8, 0,05) = 2,306
a=0,05 – допустили 5% погрешности, так как ставили 95 % надежности при выполнении регрессионного анализа.
Если ç t ç < tкр, то между соответствующими переменными нет связи. Если ç t ç >= tкр, то между соответствующими переменными имеется существенная связь.
Для X1 (товарооборот) ç t-статистика ç > tкр (4,388>2,306), фактор является значимым, остается в уравнении.
Для X2 (торговая площадь) çt-статистика ç > tкр (3,336>2,306), фактор является значимым, остается в уравнении.
В нашем случае оба влияющих фактора оказались значимыми, значит уравнение регрессии, которое может быть использовано для прогноза имеет вид:
Y = 0,205*x1 + 8,9648*x2 + 0,8016
Вариант №1
|
|
|
b) Пример классического.
Q Приведите, пожалуйста примеры нарушений выполнения этой пробы при различных видах афазий.
Q Приведите, пожалуйста, примеры подобных нарушений внимания. Наиболее показательные примеры, на наш взгляд, относятся к сфере интеллектуальной деятельности и памяти.
V. Соотношение содержания стандартов и примерных программ
VI. 8. Примерный список вопросов по предмету.
XIII. Типичные ошибки изложения, вызванные нарушением логического закона тождества (с примерами)
XIV. Типичные ошибки изложения, вызванные нарушением логического закона противоречия (с примерами)
XVI. Типичные ошибки изложения, вызванные нарушением закона достаточного основания (с примерами)
А как вам такой пример?
Авторская песня. (На примере одного- двух произведений любого автора.) (Билет 24)
