Составители:
Рубрика:
I18 =CУММ(I3:I17);
J18 =СУММ(J3:J17);
B20 =КОРЕНЬ(1-I18/J18).
Полученное значение индекса множественной корреляции R=0,9821
достаточно близко к 1 и свидетельствует о тесной связи Y c K и L.
3. Множественный коэффициент детерминации вычислим в ячейке B21 по
формуле =B20^2. Значение R
2
=0,9646 означает, что включенные в регрессию
факторы объясняют 96,5 % вариации Y.
Проверим значимость модели регрессии. Фактическое значение F- критерия
вычислим по формуле (16) п. 2.3 лабораторной работы 1 в ячейке B22: =B21/(1-
B21)*(A1-2-1)/2. Критическое значение F-критерия для уровня значимости 0,05
при
и 2=m 1212151
=
−−=
−
− mn степенях свободы определим в ячейке B23:
=FРАСПОБР(0,05;2; А1-2-1).
Поскольку
9,35,163
=
>=
крнабл
FF , то можно сделать вывод о том, что
модель регрессии значима.
4.
Рассчитаем среднюю ошибку аппроксимации по формуле (2). Введем
формулы в следующие ячейки:
K3 = (B3-H3)/B3 и копируем в K4:K17;
K18 =CУММ(K3:K17);
B24 =K18/A1.
Для нашего примера
03306,0=A (3 %), что свидетельствует о незначитель-
ной погрешности модели.
Заметим, что значения показателей качества модели, рассчитанные по
формулам, отличаются от значений, полученных с помощью инструмента анализа
данных. Расхождение объясняется тем, что в основе показателей лежит величина
остатка
. Именно это выражение мы использовали в расчетах показате-
лей с помощью формул. Инструмент анализа был применен к линеаризованному
уравнению, т. е. остатки вычислялись по формуле
iii
yye
ˆ
−=
iii
yye
ˆ
lnln −
=
.
Литература: [1], с. 124-128; [2], с. 153-174
23
Страницы
- « первая
- ‹ предыдущая
- …
- 31
- 32
- 33
- 34
- 35
- …
- следующая ›
- последняя »
