Математическая статистика. Компьютерный практикум. Баркова Л.Н - 36 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

36
В информационной части смотрим на значение коэффициента
детерминации
R
2
= ,76499874.
Это значит, что построенная регрессия объясняет 76,5%
разброса значений переменной относительно среднего.
Во второй части информационного окна система сама говорит о
значимых регрессионных коэффициентах, высвечивая строку:
SQUARE
beta=0.875
и поясняя ниже
(significant beta is highlighted)(значимые beta
высвечены).
В данном случае
beta
есть стандартизованный коэффициент
b,
т.е. коэффициент при независимой переменной
SQUARE
.
Перейдем к итоговым результатам регрессии -
Regression Summary
.
На экране появится электронная таблица вывода результатов (рис.4).
Рис. 4. Краткие результаты регрессии.
В ее заголовке повторены основные результаты предыдущего окна.
Кроме того, в столбцах итоговой таблицы регрессии приведены оценки
параметров модели Y=A+bX и их статистические характеристики.
Из таблицы видим, что модель имеет вид:
STOIMOST= 981.157+10.9136*SQUARE
В столбце
В
приведены значения оценок неизвестных коэффициентов
регрессии:
Intercept (свободный член)
=
981.157,
коэффициент при
независимой переменной
SQUARE=10.9136.
Визуализируем модель. На графике она имеет вид (рис.5):
Рис.5. Зависимость
цены дома от
полезной площади
Проведем анализ
остатков и оценим
адекватность модели.
Анализ адекватности
основывается на
анализе остатков.
Остатками называют разности между наблюдаемыми (исходными)
значениями зависимой переменной и предсказанными (вычисленными) по
модели. В окне
Multiple Regression Results
нажмите кнопку
Residual
Analysis
(анализ остатков). Нажмите кнопки
Pred&observd(F)
(здесь 
                                   36
       В информационной части смотрим на значение коэффициента
детерминации
 R2= ,76499874. Это значит, что построенная регрессия объясняет 76,5%
разброса значений переменной относительно среднего.
       Во второй части информационного окна система сама говорит о
значимых регрессионных коэффициентах, высвечивая строку: SQUARE
beta=0.875 и поясняя ниже (significant beta is highlighted)(значимые beta
высвечены). В данном случае beta есть стандартизованный коэффициент b,
т.е. коэффициент при независимой переменной SQUARE .
       Перейдем к итоговым результатам регрессии - Regression Summary.
На экране появится электронная таблица вывода результатов (рис.4).




                 Рис. 4. Краткие результаты регрессии.
      В ее заголовке повторены основные результаты предыдущего окна.
Кроме того, в столбцах итоговой таблицы регрессии приведены оценки
параметров модели Y=A+bX и их статистические характеристики.
      Из таблицы видим, что модель имеет вид:
      STOIMOST= 981.157+10.9136*SQUARE
      В столбце В приведены значения оценок неизвестных коэффициентов
регрессии: Intercept (свободный член) =981.157, коэффициент при
независимой переменной SQUARE=10.9136.
      Визуализируем модель. На графике она имеет вид (рис.5):

                                                   Рис.5. Зависимость
                                                   цены     дома    от
                                                   полезной площади

                                                   Проведем       анализ
                                                   остатков и оценим
                                                   адекватность модели.
                                                   Анализ адекватности
                                                   основывается       на
                                                   анализе остатков.

     Остатками называют разности между наблюдаемыми (исходными)
значениями зависимой переменной и предсказанными (вычисленными) по
модели. В окне    Multiple Regression Results нажмите кнопку Residual
Analysis (анализ остатков). Нажмите кнопки Pred&observd(F) (здесь

Страницы