Кузьмук Д.А.

Варіант – 9
Множинний регресійний аналіз
Побудувати регресійну залежність, що описує зв'язок деякої величини Y
і факторів, що впливають, Х1 і Х2 відповідно до умови свого варіанта. При
цьому необхідно:
r ,r , r
1. Обчислити вибіркові парні коефіцієнти кореляції y 1 y 2 12 (Сервіс -
Аналіз даних – Кореляція) і вибіркові часткові коефіцієнти кореляції
r y 1,2 . r y 2,1 і r 12, y
2. Установити їхню значущість при рівню значущості α=0,05 . Зробити
висновки про силу зв'язку показника Y і факторів X1 і X2.
3. Методом найменших квадратів оцінити коефіцієнти лінійної регресії
Y =a0 + a1 X 1 +a2 X 2 +U .
4. Скласти систему рівнянь, розв’язати її, записати значення коефіцієнтів
регресії.
5. Одержати значення коефіцієнтів з використанням функції ЛИНЕЙН
або Сервіс - Аналіз даних – Регресія.
6. Записати рівняння регресії.
7. Перевірити статистичну значущість коефіцієнтів при рівню значущості
α=0,05 .
8. Оцінити якість отриманої моделі за розрахованими коефіцієнтами
2
детермінації R й скоректованому R .
2

9. Перевірити адекватність моделі за критерієм Фішера при рівні

значущості =0,05.
Вхідні дані:
Виконання
Середньомісячна Продуктивність
№ з/п норми (Х2),
зарплата (Y), ум. од. праці (Х1), ум. од.
ум. од.
1 46 266 0,26
2 43 238 0,26
3 49 258 0,29
4 54 275 0,31
5 42 230 0,28
6 71 354 0,33
7 57 277 0,34
8 58 261 0,31
9 56 266 0,33
10 52 251 0,31
Завдання 1
r ,r , r
Обчислити вибіркові парні коефіцієнти кореляції y 1 y 2 12 (Сервіс -
Аналіз даних – Кореляція) і вибіркові часткові коефіцієнти кореляції
r y 1,2 . r y 2,1 і r 12, y
Для обчислення вибіркових парних коефіцієнтів скористаємося функціями
вбудованими в Excel

F G H I
3 Y X1 X2
4 Y 1
5 X1 0,89508 1
6 X2 0,808459 0,557566 1
З цього можна зробити висновок що
ry1 = 0.90
ry2 = 0.81
r12 = 0.56
Для обчислення вибіркових часткових коефіцієнтів кореляції скористаємося
формулами:
r Y 1−r Y 2 r 12
r Y 1,2= 2 2
√ 1−r √ 1−r
Y2 12

r Y 2−r Y 1 r 12
r Y 2,1= 2 2
√ 1−r √ 1−r
Y1 21

r 12−r Y 1 r Y 2
r 12 ,Y = 2 2
√ 1−r √ 1−r
Y1 Y2

Отримуємо:
F G
8 r12,y -0,63279
9 r1y,2 0,909399
10 r2y,1 0,835834
Завдання 2
Установити їхню значущість при рівню значущості α=0,05 . Зробити
висновки про силу зв'язку показника Y і факторів X1 і X2.
Щоб перевірити, чи значуще коефіцієнт кореляції відрізняється від 0,
використовують критеріальне значення
r √ n−2
t=
√(1−r2 ) ,
яке є розподілом Стьюдента з k=N-2 ступенями вільності. При заданому рівні
значущості α критичне значення tкр знаходять із рівняння P(|t|>tкр)= α .
tкр =СТЬЮДЕНТ.ОБР.2Х(0,05; 8)
Пророблюємо дану дію для кожного з коефіцієнтів
F G H
13 tі tкр
14 r1y 5,677593344 2,306004135
15 r2y 3,885244428
16 r12 1,899740525
17 r12,y -2,311462276
18 r1y,2 6,184197881
19 r2y,1 4,30632741

Так як тільки |t r12|<|tкр| можна зробити висновок що лише даний коефіцієнт r12
статистично не значущий.
Додатне значення ry1 свідчить про прямий зв'язок між Y та X1, ry1=0,895,
отже вплив продуктивності X1 на середньомісячну зарплату сильний.
Усунення X2 збільшує кореляційний зв'язок (ry1,2 = 0,909).
Додатне значення ry2 свідчить про прямий зв'язок між Y та X2, оскільки
ry2=0,81 – зв'язок зарплати та виконання роботи X2 суттєвий. Усунення Х1 цей
зв'язок підсилює (ry2,1 = 0,835).
r12=0,557 свідчить про те, що X1 і X2 практично не корелюють. Це
важливо в регресійних моделях. Однак усунення Y не послабляє кореляцію
(r12,y = -0,632).
Завдання 3/4/6
Методом найменших квадратів оцінити коефіцієнти лінійної регресії
Y =a0 + a1 X 1 +a2 X 2 +U . Скласти систему рівнянь, розв’язати її, записати
значення коефіцієнтів регресії. Записати рівняння регресії.
Для обчислення коефіцієнтів необхідно скласти систему рівнянь, яка має
вигляд:
¿
T −1 T
або у матричному вигляді: a=( X ⋅X ) ⋅X ⋅Y .
Побудуємо матриці в Microsoft Excel та проведемо необхідні обчислення.
A B C D
15 X0 X1 X2 Y
16 1 266 0,26 46
17 1 238 0,26 43
18 1 258 0,29 49
19 1 275 0,31 54
20 1 230 0,28 42
21 1 354 0,33 71
22 1 277 0,34 57
23 1 261 0,31 58
24 1 266 0,33 56
25 1 251 0,31 52

A B C D E F G H I J
27 XT
28 1 1 1 1 1 1 1 1 1 1
29 266 238 258 275 230 354 277 261 266 251
30 0,26 0,26 0,29 0,31 0,28 0,33 0,34 0,31 0,33 0,31

A B C
32 XT*X
33 10 2676 3,02
34 2676 726412 813,01
35 3,02 813,01 0,9194

E
32 XT*Y
33 528
34 143631
35 161,24

A B C
37 (XT*X)^-1
38 13,14745 -0,009603963 -34,69347106
39 -0,0096 0,000140689 -0,092862651
40 -34,6935 -0,092862651 197,1639616

E
37 a
38 -31,5491
39 0,163293
40 134,6091

а0 = -31,55
 a1 = 0,16
a2 = 134,61
З цього можна зробити висновок, що рівняння регресії має вигляд:
y̆=−31,55+ 0,15 x 1 +134,61 x 2

Завдання 5
Одержати значення коефіцієнтів з використанням Сервіс - Аналіз даних
– Регресія.
Регрессионная статистика
Множественный R 0,96957512
R-квадрат 0,940075913
Нормированный R-квадрат 0,922954745
Стандартная ошибка 2,379849221
Наблюдения 10

Дисперсионный анализ
df SS MS F Значимость F
Регрессия 2 621,9542238 310,9771119 54,90723 5,26751E-05
Остаток 7 39,6457762 5,663682315
Итого 9 661,6

Коэффициенты Стандартная ошибка t-статистикаP-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение -31,54913902 8,629193082 -3,656093765 0,008112 -51,95393826 -11,14433979 -51,95393826 -11,14433979
X1 0,163292988 0,028228002 5,78478742 0,000674 0,096544371 0,230041605 0,096544371 0,230041605
X2 134,6090574 33,41667312 4,028200441 0,005007 55,59118174 213,6269331 55,59118174 213,6269331

Як бачимо коефіцієнти а0, а1, та а2 співпадають з попередніми

обчисленнями.

Завдання 7
Перевірити статистичну значущість коефіцієнтів при рівню значущості
α=0,05 .
Перевіримо значущість коефіцієнтів за допомогою критерію Стьюдента:
ai
t ai= (отримуємо з таблиці з попереднього завдання)
σ ai

tкр = СТЬЮД.ОБР.2Х(0,05;10-3)
G H
33 tkr 2,364624252

Оскільки |t стат| > tкрит, то а0, а1, а2 – статистично значущі.

Завдання 8
Оцінити якість отриманої моделі за розрахованими коефіцієнтами
2
детермінації R й скоректованому R .
2

Коефіцієнт детермінації R2=0,9 4 , а нормований коефіцієнт детермінації

Ŕ2=0,92, з чого можна зробити висновок що дана модель є досить якісною.

Завдання 9
Перевірити адекватність моделі за критерієм Фішера при рівні
значущості =0,05.
Перевіримо адекватність моделі за допомогою критерію Фішера.
Fp = 54,9(з таблиці)
Fкр = F.ОБР.ПХ(0,05; 2; 7)
G H
35 Fкр 4,737414128

Оскільки F p >F кр , то можна зробити висновок що модель адекватна.

Отже наша отримана модель y̆=−31,55+ 0,15 x1 +134,61 x2 є якісною та
адекватною