Кузьмук Д.А.

Варіант – 9
Лабораторна робота №7

Тема: Парний регресійний аналіз

Наведені дані по територіям регіону про середньодушовий денний

прожитковий мінімум одного працездатного (Х) і середньоденну заробітну
плату (Y).
1. Побудувати діаграму. Оцінити по ній вид залежності Y(X).
2. Обчислити значення коефіцієнтів коваріації та лінійної кореляції.
Зробити висновки.
3. Знайти а0 і а1 для лінійної регресії y=a0+a1x використовуючи
коефіцієнт лінійної кореляції. Записати отримане рівняння.
4. Перевірити свої розрахунки, використовуючи функцію MS Excel
ЛИНЕЙН.
5. Знайти коефіцієнти детермінації.
6. Оцінити адекватність моделі по критерію Фішера при рівні
значимості α = 0,05.
7. Використовуючи функцію MS Excel ТЕНДЕНЦИЯ отримати
прогноз середньоденної заробітної плати Y при прогнозованому значенні
середньодушового прожиткового мінімуму X, який складає 170% від
середнього рівня. Побудувати графік.
8. Використовуючи функцію MS Excel ЛГРФПРИБЛ отримати

рівняння кривої y  b * m x .
9. Використовуючи функцію MS Excel РОСТ отримати прогноз
середньоденної заробітної плати Y при прогнозованому значенні
середньодушового прожиткового мінімуму X, який складає 170% від
середнього рівня. Побудувати графік.
 10.Оцінити адекватність моделі по критерію Фішера при рівні
значимості α = 0,05.
11. Порівняти коефіцієнти детермінації для лінійної та
експоненціальної залежностей.
12. На основі отриманих даних обрати найбільш якісну модель.
Варіант 9

Середньодушовий
Номер прожитковий мінімум в день Середньоденна заробітна
регіону одного працездатного, грн., плата, грн., y
x
y

1 87 132
2 83 129
3 92 146
4 97 153
5 88 138
6 93 151
7 78 127
8 81 130
9 90 140
10 99 155
11 85 131
12 95 152
Завдання 1
Побудувати діаграму. Оцінити по ній вид залежності Y(X).
Перекосимо вхідні дані в Excel та будуємо на їх основі точковий графік. Для
більш детального аналізу змінюємо границі осей відповідно до отриманого
графіку. Також можна нанести лінію тренда для оцінки виду залежності.

f(x)
160

155

150

145

140

135

130

125

120
75 80 85 90 95 100

З графіка видно, що залежність наближено лінійна. Також на основі вхідних

даних можна зробити висновок про їх однорідність(адже відсутні сильні
заломи та різкі стрибки) та порівняльність(вхідні дані у грн.).

Завдання 2
Обчислити значення коефіцієнтів коваріації та лінійної кореляції.
Зробити висновки.
Обчислюємо потрібні нам параметри за допомогою вбудованих у Excel
функцій КОВАРИАЦИЯ.Г (для коваріації) та КОРРЕЛ (для кореляції).
Отримуємо:
К. Коваріації 60,91667
К. Кореляції 0,962435

З цього можна зробити такий висновок:

1. Між змінними X та Y існує пряма залежність(за к. коваріації)
2. Між змінними існує сильний лінійний зв’язок(за к. кореляції)
Завдання 3
Знайти а0 і а1 для лінійної регресії y=a0+a1x використовуючи коефіцієнт
лінійної кореляції. Записати отримане рівняння.
Для отримання значень а0 і а1 розв’язуємо систему рівнянь:
(¿ x , y ) x̄ ȳ− x̄ ⋅ ȳ σy
{
¿ a1=cov
σx2
= 2
σx
=r xy ,¿∧a0 = ȳ−a 1 x̄ .
σx

Для вирішення даної системи за допомогою вбудованих функцій

Excel(СРЗНАЧ та СТАНДОТКЛОН.Г) підраховуємо потрібні нам параметри.
Отримуємо:
‫ݔ‬ҧ 89
ത
‫ݕ‬ 140,333333
ߪ௫ 6,244998
ߪ௬ 10,1351972
a0 1,31837607
a1 1,56196581

Отже отримане рівняння y=1,32 +1,56x.

Завдання 4
Перевірити свої розрахунки, використовуючи функцію MS Excel ЛИНЕЙН.
Для автоматизованої побудови лінійної регресії використовуємо вбудовану

функцію ЛИНЕЙН, що дає рівняння лінійної регресії ( y̆ =a1х+a0) і

статистику.
Отримуємо:
a1 1,56196581 1,31837607 a0
Похибки Похибки
обчислення для a1 0,13934344 12,4320588 обчислення для a0
Коефіцієнт Похибки
детермінації 0,92628205 3,01445946 обчислення для y
F розраховане 125,652174 10 Супені вільності
Регресійна сума Залишкова сума
квадратів 1141,79701 90,8696581 квадратів
Значення коефіцієнтів a1 та a0 збігається з попередніми обчисленнями.
Завдання 5
Знайти коефіцієнти детермінації.

Для оцінки якості моделі необхідно підрахувати коефіцієнти детермінації що

показує, яка частина варіації пояснюється за допомогою регресійної
залежності. Для цього скористаємося формулою
S S рег
R 2=
S S рег +S S зал

Отримуємо:

ܴଶ 0,926282
Що співпадає з обчисленнями за допомогою ЛИНЕЙН.
Отже, можна зробить висновок що отримана модель є достатньо якісною, але
не прийнятою( R2 <0.96 )
Завдання 6
Оцінити адекватність моделі по критерію Фішера при рівні значимості α =
0,05.
Побудуємо випадкову величину
S 2регр
F p= 2 ,
S зал

Обчислюємо Fкр, для заданого рівня значущості α(0,05), використовуючи

функцію FРАСПОБР пакету Excel:

Тоді Якщо F p >F кр ( α ;k−1;n−k ) , то приймаємо модель адекватною.

Отримуємо:

‫ܨ‬௣ 12,56522
‫˓ ˍܨ‬ 4,964603
Так як 12,57 > 4,96 ми можемо зробити висновок що дана модель є
адекватною.

Завдання 7
Використовуючи функцію MS Excel ТЕНДЕНЦИЯ отримати прогноз
середньоденної заробітної плати Y при прогнозованому значенні
середньодушового прожиткового мінімуму X, який складає 170% від
середнього рівня. Побудувати графік.
Будуємо нову таблицю для застосування функції ТЕНДЕНЦИЯ та виконуємо
обчислення.
Номер регіону X Y(тенденція)
y

1 87 137,1734611

2 83 130,8666353

3 92 145,0569933

4 97 152,9405255
5 88 138,7501675
6 93 146,6336997
7 78 122,983103
8 81 127,7132224
9 90 141,9035804
10 99 156,0939384
11 85 134,0200482
12 95 149,7871126
13 151,3 238,5556857

Таким чином ми розрахували прогноз середньоденної заробітної плати

Y(238,56) при прогнозованому значенні середньодушового прожиткового
мінімуму X(151,3), який складає 170% від середнього рівня.

Лінійний тренд
240

220

200

180

160

140

120
75 85 95 105 115 125 135 145 155

Завдання 8
 Використовуючи функцію MS Excel ЛГРФПРИБЛ отримати рівняння

кривої y  b * m x .
Функція ЛГРФПРИБЛ працює подібно ЛИНЕЙН але для рівняння виду
y̆=a0 ⋅a1x

Обчислюємо:
a1 1,0111812 52,02981 a0

Похибки Похибки
обчислення для a1 0,00096933 0,08648222 обчислення для a0

Коефіцієнт Похибки
детермінації 0,92937053 0,02096975 обчислення для y
F розраховане 131,583967 10 Супені вільності
Регресійна сума Залишкова сума
квадратів 0,05786146 0,0043973 квадратів
Отримуємо рівняння: y̆=52,03∗1,01x .

Завдання 9
Використовуючи функцію MS Excel РОСТ отримати прогноз середньоденної
заробітної плати Y при прогнозованому значенні середньодушового
прожиткового мінімуму X, який складає 170% від середнього рівня.
Побудувати графік.
Будуємо нову таблицю для застосування функції РОСТ та виконуємо
обчислення.
Номер регіону X Y(рост)
y

1 78 123,8549231
2 81 128,0560899
3 83 130,9357415
4 85 133,8801491
5 87 136,8907688
6 88 138,4213722
7 90 141,5341123

8 92 144,7168499

9 93 146,3349583

10 95 149,6256546
11 97 152,9903502
12 99 156,4307091
13 151,3 279,8195581

Таким чином ми розрахували прогноз середньоденної заробітної плати

Y(279,82) при прогнозованому значенні середньодушового прожиткового
мінімуму X(151,3), який складає 170% від середнього рівня.

Експоненціальний тренд
280

260

240

220

200

180

160

140

120
75 85 95 105 115 125 135 145 155

Завдання 10
Оцінити адекватність моделі по критерію Фішера при рівні значимості α =
0,05.
Відповідно до зав.6 виконуємо оцінку адекватності моделі.
 ‫ܨ‬௣ 13,1584
‫˓ ˍܨ‬ 4,964603
Так як 13,16 > 4,96 ми можемо зробити висновок що дана модель є
адекватною.

Завдання 11/12
Порівняти коефіцієнти детермінації для лінійної та експоненціальної
залежностей. На основі отриманих даних обрати найбільш якісну модель.
R2 = 0,9263 – для лінійної залежності;

R2 = 0,9294 – для експоненціальної залежності;

Чим ближче R2 до 1, тим краща якість моделі. Дивлячись на отримані дані

можна зробити висновок що обидві моделі є достатньо якісними(близькі до
1). А так як коефіцієнт детермінації експоненціальної залежності більший
аніж лінійної то можна зробити висновок що дана модель краще описує
вхідні дані.