Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Матрица коэффициентов парной корреляции






 

  x1 x2 x3 x4 x5 Y
x1   0, 5662 0, 8356 -0, 4302 0, 9094 -0, 1501
x2 0, 5662   0, 1355 0, 4683 0, 7996 0, 6609
x3 0, 8356 0, 1355   -0, 6863 0, 5900 -0, 5123
x4 -0, 4302 0, 4683 -0, 6863   -0, 1380 0, 8826
x5 0, 9094 0, 7996 0, 5900 -0, 1380   0, 1019
Y -0, 1501 0, 6609 -0, 5123 0, 8826 0, 1019  

 

На главной диагонали данной матрицы находятся единицы, так как это коэффициенты корреляции каждого из факторных признаков с самим собой.

Рассчитаем определитель этой матрицы в Excel, воспользовавшись встроенной функцией МОПРЕД.

Легко убедиться, что определитель этой матрицы равен 0, 000138, то есть очень близок к нулю. Следовательно, в данной системе факторов явно присутствует мультиколлинеарность. Поэтому все эти факторы нельзя включать в модель, а следует отобрать не более двух-трех из них.

Проанализировав коэффициенты парной корреляции, можно увидеть, что наиболее тесная связь между фактором x4 и y (то есть между доходом на 1 члена семьи и затратами на покупку непродовольственных товаров). Это вполне соответствует реальному содержательному смыслу этих показателей.

Следовательно, если включать в уравнение единственный, наиболее важный фактор, то в качестве этого фактора можно отобрать x4, т.е.можно построить уравнение парной линейной регрессии, выражающее зависимость затрат на непродовольственные товары только от данного фактора (среднедушевого дохода семьи): y = a0 + a1 x4. Такое уравнение уже было построено.

Теперь рассмотрим, какие факторы можно включить в модель двухфакторной линейной множественной регрессии.

Коэффициенты парной корреляции между x1 и x5, а также между x1 и x3 превышают 0, 8. Следовательно, эти факторы одновременно включать в модель не целесообразно.

Также очень высок (близок к 0, 8) коэффициент корреляции между факторами x2 и x5. К тому же коэффициент корреляции между фактором x5 и y очень мал.

В целом, анализ матрицы коэффициентов парной корреляции показывает, что наиболее целесообразно включать в модель следующие пары факторов: x2 и x3 , либо x2 и x4. Коэффициент корреляции между ними достаточно мал, а коэффициенты корреляции между каждым из них и результативным показателем y превышает коэффициент корреляции между ними. Факторы x1 и x5 включать в модель не целесообразно, так как – несмотря на то, что между ними коэффициент корреляции очень мал (r = - 1380), но коэффициент корреляции между x5 и y еще меньше (r = 0, 1019)

Перед этим мы уже убедились, что уравнение регрессии, включающее два фактора x2 и x4, дает неудовлетворительный результат. Поэтому построим уравнение y = a0 + a1 x2 + a2 x3, выражающее зависимость расходов на товары длительного пользования от числа детей (x2 ) и совокупного дохода семьи (x3 ).

Заполним вспомогательную таблицу для расчета параметров этого уравнения (табл.2.8).

На основе итоговых сумм, рассчитанных в нижней строке таблицы 2.8., строим систему нормальных уравнений:

 

10a0+130a1+10a2=27, 3

130a0+1886a1+136a2=406, 3

10a0+136a1+20a2=18, 3

 

Таблица 2.8.

Вспомогательная таблица для расчета параметров уравнения

y = a0 + a1 x2 + a2 x3

y x2 x3 x22 x32 x2x3 x2y x3y
               
               
               
0, 8           4, 8 0, 8
               
               
               
0, 5              
2, 5           37, 5  
1, 5             4, 5
27, 3           406, 3 18, 3

 

Решаем систему нормальных уравнений методом определителей:

Матрица А (коэффициентов)
     
     
     

 

Для расчета ее определителя воспользуемся функцией МОПРЕД (которая находится среди встроенных математических функций в Excel).

Получаем Δ = 19240

Заменяем последовательно каждый столбец этой матрицы столбцом свободных членов системы нормальных уравнений. Получаем еще три матрицы А0, А1, А2 и рассчитываем их определители.

 

матрица А0
27, 3    
406, 3    
18, 3    

 

Определитель матрицы Ao: D0= -590, 8

матрица А1
  27, 3  
  406, 3  
  18, 3  

 

Определитель матрицы A1: Δ 1= 5680

матрица А2
    27, 3
    406, 3
    18, 3

 

Определитель матрицы A2: D2= -20724

 

Затем находим параметры уравнения регрессии по формулам:

a 0 = D0 / Δ = -0, 03

a 1 = Δ 1/ Δ = 0, 30

a 2 = D2/ Δ = -1, 08

 

Таким образом, построенное уравнение регрессии имеет следующий вид:

 

y=0, 03+0, 30x2-1, 08x3

 

Теперь рассчитаем для этого уравнения ошибку аппроксимации и индекс детерминации. Предварительно построим вспомогательную таблицу для расчета этих показателей (табл.2.9).

Таблица 2.9

Вспомогательная таблица для расчета ошибки аппроксимации и индекса детерминации

 

Y x2 x3 yx=0, 03+0, 30x2-1, 08x3 (y - yx)2
      1, 45 2, 99 1, 65 0, 198
      3, 51 5, 15 0, 61 2, 214
      5, 28 10, 69 6, 52 0, 513
0, 8     0, 66 3, 72 4, 27 0, 018
      4, 69 0, 07 3, 85 2, 865
      3, 03 0, 07 0, 09 0, 001
      4, 21 1, 61 2, 18 0, 042
0, 5     0, 77 4, 97 3, 85 0, 071
2, 5     2, 24 0, 05 0, 24 0, 066
1, 5     1, 46 1, 51 1, 61 0, 001
27, 3     27, 30 30, 86 24, 87 5, 99

 

Как уже отмечалось, среднее значение показателя y – одинаковое для расчетных и фактических значений, так как их суммы совпадают. Поэтому в расчетах двух дисперсий вычитается одно и то же число y = 2, 73 из расчетных и фактических значений признака.






© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.