Professional Documents
Culture Documents
5 РЕГРЕСІЙНИЙ АНАЛІЗ
5 РЕГРЕСІЙНИЙ АНАЛІЗ
Що це означає?
Вражаюче: цей набір даних дозволяє скласти рівняння прямої, що
виражає залежність між температурою і обсягами продажів в магазинах
Ben&Jerry's. Спочатку пояснимо дані, на основі яких складається лінійне
рівняння.
Значення R-квадрат показує, «який відсоток розкиду даних
пояснюється даним регресійним рівнянням». У нашому випадку це 70,4%
розкиду даних за обсягом продажів - дуже високий показник. У більш
масштабному економічному аналізі дуже високим буде вважатися показник
30%, так як на стан економіки впливають тисячі змінних. Можна припустити,
що в бізнесі, пов'язаному з морозивом, на коливання обсягу продажів, крім
температури, впливають також реклама, знижки, години роботи магазину.
«Середньоквадратична похибка оцінки Y» і «середньоквадратична
похибка коефіцієнта X» – синоніми стандартного відхилення помилки
коефіцієнта Y і коефіцієнта X графіка регресії. У прикладі з компанією
Ben&Jerry's середньоквадратична похибка оцінки Y (обсяг продажів)
становить $ 243 334 у 68% випадків (таблиця 5.2), а коефіцієнта X
(температура) –3367 (таблиця 5.3). Можна провести ряд аналізів,
встановлюючи діапазон цих даних і надійності з урахуванням
середньоквадратичного відхилення, і перевірити надійність отриманого
рівняння регресії.
T-статистика може підказати, придатне чи ні для прогнозування
рівняння регресії, розраховане комп'ютерною програмою: T-статистика
перевіряє, чи робить змінна X статистично значимий вплив на Y, як,
наприклад, температура повітря – на обсяг продажів. Для визначення даного
критерію слід розділити коефіцієнт X на його середньоквадратичну похибку.
Якщо T-статистика виявиться більше 2 або менше –2, змінна X робить
статистично значимий вплив на Y. У нашому прикладі критерій має дуже
високе значення: 16431/3 367 = 4,88 (таблиця 5.3). Тому аналітик робить
висновок, що по температурі можна з високою вірогідністю прогнозувати
обсяг продажів.
Ордината в точці перетину осі Y=b= – 379,066, коефіцієнт Х=m=16,431.
Підставляючи ці значення в стандартне лінійне рівняння, яке ми
пригадали з курсу алгебри, одержуємо: Y=16,431Х – 379,066
Наносимо точки на графік і проводимо лінію регресії, описану цим
рівнянням. В результаті отримуємо наступне зображення (рисунок 5.1)