Самостоятельной домашней работе
Задание 1. Параметризация регрессионных уравнений.
Классический подход к оцениванию параметров линейных зависимостей (параметризации регрессионных уравнений) рассматривается на примере линейной парной регрессии
y = b0 + b1x + e
= yx = b0 + b1x ,
где y – фактическое значение результативного признака;
или yx – теоретические значение результативного признака, найденные из уравнения регрессии, путём подстановки в него фактических значений фактора х;
b0 , b1 – параметры (коэффициенты) уравнения регрессии;
e - случайная составляющая (возмущение, ошибка), характеризующая отклонение фактического значения результативного признака от теоретического, найденного по уравнению регрессии.
Имеются два ряда эмпирических (полученных из опыта) данных x (x1, x2, …, xn) и y (y1, y2, …, yn), отображение соответствующих им точек с координатами (xi, yi), где i = 1, 2, …, n, на координатной плоскости называется полем корреляции.
По расположению эмпирических точек можно предположить вид корреляционной зависимости. Например, наличие линейной корреляционной зависимости между переменными х и у.
Построение линейной регрессии предполагает оценку её параметров b0 и b1 с помощью метода наименьших квадратов (МНК).
Согласно МНК неизвестные параметры b0 и b1 получают таким образом, чтобы сумма квадратов отклонений фактических значений yi от значений , найденных по уравнению регрессии была бы минимальной
Таким образом, из множества возможностей, положение линии регрессии на графике выбирается таким образом, чтобы сумма квадратов расстояний по вертикали между точками и этой линией была минимальной
ei = yi – ,
Для поиска минимума функции, необходимо вычислить частные производные по каждому из параметров b0 и b1 и приравнять их к нулю
В результате преобразований получается следующая система нормальных уравнений для оценки параметров b0 и b1
Искомые оценки параметров b0 и b1 находят решая систему нормальных уравнений методом подстановки, последовательного исключения переменных либо методом определителей. Так,
.
Разделив обе части уравнений системы на n, получим
Из первого уравнения системы получим
После подстановки во второе уравнение получим
где – выборочная ковариация признаков (корреляционный момент)
– дисперсия признака х
Решение системы нормальных уравнений может быть осуществлено методом определителей
где D – определитель системы;
Db0, Db1 – частные определители, получаемые путём замены соответствующего столбца матрицы определителя системы данными правой части исходной системы нормальных уравнений;
, , .
Данные о стоимости основных фондов и продукции предприятий (фирм), млн руб.
фирма | x | y | Sxy | x2 | y2 |
201,6 | 1011,3 | 203878,1 | 40642,56 | ||
242,6 | 1490,4 | 58854,76 | |||
255,4 | 1024,5 | 261657,3 | 65229,16 | ||
323,7 | 559,9 | 181239,6 | 104781,7 | ||
331,9 | 1195,1 | 396653,7 | 110157,6 | ||
384,6 | 1050,1 | 403868,5 | 147917,2 | ||
397,7 | 1482,8 | 589709,6 | 158165,3 | ||
450,7 | 1151,7 | 519071,2 | 203130,5 | ||
457,6 | 1020,6 | 467026,6 | 209397,8 | ||
515,3 | 849214,4 | 265534,1 | |||
533,8 | 2441,9 | 284942,4 | |||
587,8 | 1424,6 | 837379,9 | 345508,8 | ||
614,9 | 1095,4 | 673561,5 | |||
655,1 | 1278,5 | 837545,4 | |||
720,1 | 2091,4 | ||||
741,5 | 2403,5 | 549822,3 | |||
760,9 | 578968,8 | ||||
814,1 | 2042,3 | 662758,8 | |||
859,2 | 1607,9 | 738224,6 | |||
1683,2 | |||||
953,8 | 909734,4 | ||||
1092,6 | 3063,9 | ||||
1148,9 | 2048,4 | ||||
1247,5 | 2034,4 | ||||
1253,1 | 2435,9 | ||||
1873,5 | 3082,1 | ||||
Сумма | 18348,9 | 43906,8 |
Построим корреляционное поле и проведём линию регрессии
Для нахождения параметров уравнения регрессии используем функцию Excel МОПРЕД, позволяющую рассчитать определитель матрицы
Так, определитель системы в целом равен D = =99509416,79, частный определитель Db0 = 79005533565, частный определитель Db1 = 126165393,5.
Уравнение регрессии имеет вид
y = 793,9503 + 1,26 × х + e.