Статистика: Корреляционно-регрессионный анализ статистических связей на персональном компьютере. Лукьянова Н.Ю. - 27 стр.

UptoLike

ВУЗ: 

БФУ им. Канта | Калининград

Составители: 

Рубрика: 

2
6
(графа
Mean, рис.6). Ex
1
= 0,61%, Ex
2
= 0,19%. Полученные коэффициенты
показывают, что с увеличением коэффициента обновления основных фон-
дов (
x
1
) на 1% от его среднего уровня выработка продукции на одного ра-
ботника (
y) увеличится на 0,61%, от своего среднего уровня. Аналогично с
увеличением доли рабочих высокой квалификации в общей численности
рабочих (
x
2
) на 1% от ее среднего уровня выработка продукции на одного
работника (
y) увеличится на 0,19%, от своего среднего уровня. По значе-
ниям частных коэффициентов эластичности можно сделать вывод о более
сильном влиянии на результат фактора
x
1
по сравнению с фактором x
2
.
4. Оценить тесноту парных зависимостей включенных в модель факторов
можно через матрицу парных коэффициентов корреляции, а тесноту связи
значений двух переменных, исключая влияние
всех других переменных,
представленных в уравнении множественной регрессии, можно через мат-
рицу линейных коэффициентов частной корреляции. Для построения этих
матриц в модуле
МНОЖЕСТВЕННАЯ РЕГРЕССИЯ (рис.9) следует после-
довательно выбрать команды
Correlations and desc.stats (для построения
матрицы парных коэффициентов корреляции),
Partial correlations (для по-
строения матрицы линейных коэффициентов частной корреляции).
Рис.9. Результаты построения линейной регрессионной модели 
(графа Mean, рис.6). Ex1 = 0,61%, Ex2= 0,19%. Полученные коэффициенты
показывают, что с увеличением коэффициента обновления основных фон-
дов (x1) на 1% от его среднего уровня выработка продукции на одного ра-
ботника (y) увеличится на 0,61%, от своего среднего уровня. Аналогично с
увеличением доли рабочих высокой квалификации в общей численности
рабочих (x2) на 1% от ее среднего уровня выработка продукции на одного
работника (y) увеличится на 0,19%, от своего среднего уровня. По значе-
ниям частных коэффициентов эластичности можно сделать вывод о более
сильном влиянии на результат фактора x1 по сравнению с фактором x2.
4. Оценить тесноту парных зависимостей включенных в модель факторов
можно через матрицу парных коэффициентов корреляции, а тесноту связи
значений двух переменных, исключая влияние всех других переменных,
представленных в уравнении множественной регрессии, можно через мат-
рицу линейных коэффициентов частной корреляции. Для построения этих
матриц в модуле МНОЖЕСТВЕННАЯ РЕГРЕССИЯ (рис.9) следует после-
довательно выбрать команды Correlations and desc.stats (для построения
матрицы парных коэффициентов корреляции), Partial correlations (для по-
строения матрицы линейных коэффициентов частной корреляции).




        Рис.9. Результаты построения линейной регрессионной модели

26

Страницы