p align="left">Линейная модель ,содержащая независимые переменные только в первой степени, имеет вид: (2) где а0 - свободный член, а1…аn - параметры уравнения (коэффициенты регрессии), х1….хn - значения факторных признаков. Параметры уравнения регрессии рассчитываются методом наименьших квадратов , при этом решается система нормальных уравнений с к+1 неизвестными. Для измерения степени совокупности влияния отобранных факторов на результативный признак рассчитывают совокупный коэффициент детерминации R2 и совокупный коэффициент множественной корреляции R - общие показатели тесноты связи признаков. Пределы изменения : 0 ? R ? 1. Чем ближе R к 1 , тем точнее уравнение множественной линейной регрессии отражает реальную связь. Проверка значимости моделей, построенных на основе уравнений регрессии, начинается с проверки значимости каждого коэффициента регрессии. Значимость коэффициента регрессии осуществляется с помощью t - критерия Стьюдента ( отношение коэффициента регрессии к его средней ошибке): (3) Коэффициент регрессии считается статистически значимым , если tрасчетное › tтабличное с заданными параметрами (уровнем значимости ?, = 0,05, и числом степеней свободы ? = n - к -1, где n - число наблюдений, к - число факторных признаков). Проверка адекватности модели осуществляется с помощью F - критерия Фишера и величины средней ошибки аппроксимации, которая не должна превышать 12 - 15% . Если величина Fрасчетное > Fтабличное , то связь признается существенной. Fтабличное находиться при заданном уровне значимости ? = 0,05 и числе степеней свободы v1 =k и v2 = n-k-1. (4) Модель без учета «Материальных затрат» В таблице 8 сгенерированы результаты по регрессионной статистике. |
Регрессионная статистика | | Множественный R | 0,997434896 | | R-квадрат | 0,994876372 | | Нормированный R-квадрат | 0,993168496 | | Стандартная ошибка | 2219,306976 | | Наблюдения | 13 | | |
Таблица 8 Эти результаты соответствуют следующим статистическим показателям: Множественный R - коэффициент корреляции R, R-квадрат - коэффициент детерминации R2; В таблице 9 сгенерированы результаты дисперсионного анализа, которые используются для проверки значимости коэффициента детерминации R2.
Таблица 9 |
| df | SS | MS | F | Значимость F | | Регрессия | 3 | 8607337323 | 2869112441 | 582,5226438 | 1,2734E-10 | | Остаток | 9 | 44327911,1 | 4925323,455 | | | | Итого | 12 | 8651665234 | | | | | |
Df - число степеней свободы, SS - сумма квадратов отклонений, MS - дисперсия MS, F - расчетное значение F-критерия Фишера, Значимость F - значение уровня значимости, соответствующее вычисленному F; |
| Коэффи циенты | Стандарт ная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | | полная себесто- имость, тыс.руб | 2857,593011 | 1130,014906 | 2,528810014 | 0,094646561 | 603,5411613 | 6318,727183 | | сырье, м погонный | 132,3000047 | 8,941959918 | 14,79541464 | 1,27093E-07 | 112,071886 | 152,5281233 | | затраты на оплату труда, тыс.руб. | 1,586039072 | 0,095432478 | 16,61948958 | 4,61669E-08 | 1,370155809 | 1,801922334 | | амортизация, тыс.руб. | 3,357368468 | 0,582082818 | 5,76785358 | 0,000270158 | 2,040605653 | 4,674131282 | | |
В таблице 10 сгенерированы значения коэффициентов регрессии и их статистические оценки. Таблица 10 Коэффициенты - значения коэффициентов регрессии, Стандартная ошибка - стандартные ошибки коэффициентов регрессии, t - статистика - расчетные значения t - критерия Стьюдента, вычисляемые по формуле 2, Р-значения - значения уровней значимости ,соответствующие вычисленным значениям t, Нижние 95% и Верхние 95% - соответствующие границы доверительных интервалов для коэффициентов регрессии. В таблице 11 сгенерированы предсказанные значения результирующего фактора Y и значения остатков. Последние вычисляются как разность между предсказанным и исходным значениям Y. |
Наблюдение | Предсказанное Y | Остатки | | 1 | 78576,42428 | -412,4242814 | | 2 | 61255,20002 | -187,2000206 | | 3 | 33691,17456 | -3127,174561 | | 4 | 31418,51735 | 331,4826465 | | 5 | 91894,70678 | 1716,293221 | | 6 | 79104,48549 | -2045,485491 | | 7 | 56074,39615 | -2280,396148 | | 8 | 79355,80571 | 1974,194293 | | 9 | 58940,14712 | -1761,147116 | | 10 | 88956,30336 | 682,6966372 | | 11 | 49227,81005 | 2011,189951 | | 12 | 18467,43597 | 3221,564032 | | 13 | 10633,59316 | -123,5931632 | | |
Таблица 11 Расчет производился в оболочке «Excel», Сервис > Анализ данных > Регрессия. tтабличное рассчитывалось с помощью функции СТЬЮДРАСПОБР исходя из формулы (3). Fтабличное рассчитывалось с помощью функции FРАСПОБР исходя из формулы (4). Модель без учета «Сырья» |
Регрессионная статистика | | Множественный R | 0,983232832 | | R-квадрат | 0,966746802 | | Нормированный R-квадрат | 0,955662403 | | Стандартная ошибка | 5653,863353 | | Наблюдения | 13 | | |
Таблица 12 |
| df | SS | MS | F | Значимость F | | Регрессия | 3 | 8363969696 | 2787989899 | 87,21688674 | 5,68904E-07 | | Остаток | 9 | 287695537,3 | 31966170,81 | | | | Итого | 12 | 8651665234 | | | | | |
Таблица 13 |
| Коэффи циенты | Станда ртная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | | полная себесто имость, тыс.руб | 1992,888488 | 4236,311712 | 0,470430087 | 0,649239402 | -7590,314376 | 11576,09135 | | затраты на оплату труда, тыс.руб. | 1,430363491 | 0,248983274 | 5,744817576 | 0,000278107 | 0,867124195 | 1,993602788 | | матери альные затраты, тыс.руб | 1,187585684 | 0,232389908 | 5,11031521 | 0,000636233 | 0,661883189 | 1,713288179 | | аморти зация, тыс.руб. | 2,461032929 | 1,536123969 | 1,602105675 | 0,143596048 | -1,013920904 | 5,935986761 | | |
Таблица 14 |
Наблюдение | Предсказанное Y | Остатки | | 1 | 65758,37475 | 12405,62525 | | 2 | 60420,80042 | 647,1995839 | | 3 | 30995,16308 | -431,1630845 | | 4 | 29093,4229 | 2656,577097 | | 5 | 99410,20661 | -5799,206609 | | 6 | 74070,10843 | 2988,891574 | | 7 | 55740,66995 | -1946,669945 | | 8 | 77635,1743 | 3694,825697 | | 9 | 63565,34811 | -6386,348112 | | 10 | 89934,05543 | -295,0554319 | | 11 | 55762,64509 | -4523,645092 | | 12 | 23554,57043 | -1865,57043 | | 13 | 11655,4605 | -1145,460501 | | |
Таблица 15 Все пояснения к таблицам , а также способ расчета, указаны в модели без учета «Материальных затрат» . Перейдем к анализу сгенерированных таблиц обеих моделей. Значение множественного коэффициента регрессии R в модели без учета «Материальных затрат» равно 0, 997, а в модели без учета «Сырья» равно 0,983. Это позволяет сделать вывод, что первая модель точнее отражает реальную связь. При оценке значимости коэффициентов регрессии с помощью сравнения расчетного и табличного значений t - критерия Стьюдента стало очевидно, что следует выбрать модель «Материальных затрат». В данной модели tрасчетное найденных коэффициентов превышает tтабличное (см. таблицу 10) t - критерия Стьюдента, что позволяет сделать вывод, что коэффициенты регрессии в уравнении являются значимыми. Тогда как в модели без учета «Сырья» два коэффициента регрессии ниже tтабличное ( см. таблицу 14), что говорит об отсутствии их значимости. Проверку адекватности модели осуществляем уже только с моделью без учета «Материальных затрат». Значение средней ошибки аппроксимации не превышает 12-15 %, что хорошо видно на рисунке 2, так как разница между предсказанным и исходным результирующим фактором Y очень небольшая. Рассчитанный уровень значимости (см. таблицу 9) равен 1,2734E-10 < 0,05, это подтверждает значимость R2. Значение Fрасчетное - критерия Фишера больше Fтабличное, значит связь между признаками признается существенной. Рисунок 2 Таким образом, получаем искомое уравнение регрессии: Выводы: Выполнив данную работу по этапам, была построена экономико-математическая модель методом математической статистики на примере ОАО швейной фабрики «Березка». Модель имеет вид: . Выбранные факторы Х1,Х2 и Х3 существенно влияют на У, что подтверждает правильность их включения в построенную модель. Так как коэффициент детерминации R2 значим, то это свидетельствует о существенности связи между рассматриваемыми признаками. Отсюда следует, что построенная модель эффективна.
Страницы: 1, 2, 3
|