Задача. По групі підприємств, які випускають один і той же вид продукції, розглядається функція витрат . Необхідна для розрахунку оцінок параметрів і інформація представлена в таблиці.
Потрібно:
1. Скласти рівняння регресії за допомогою МНК:
а) рішенням СЛАУ
б) через середні.
2. Оцінити отриману модель:
а) через коефіцієнти варіації,
б) через показник тісноти зв'язку,
в) через показник детермінації.
Номер підпр. | Випуск продукції, тыс.од. | Витрати на виробництво, млн.руб. | |||
31,1 67,9 141,6 104,7 178,4 104,7 141,6 | |||||
Разом | 770,0 |
- вихідні дані. |
- допоміжні розрахунки. |
- теоретичні значення , тобто . |
1.Скласти рівняння регресії за допомогою МНК:
а) рішенням СЛАУ
Система рівнянь для оцінки параметрів і :
Рівняння регресії:
(1)
Підставляючи в це рівняння значення , одержуємо теоретичні значення , тобто графу таблиці .
1. б) через середні.
- дисперсія, - середньоквадратичне відхилення.
і є загальноприйнятими мірами варіації ознаки.
є мірилом надійності середньої: чим менше , тим краще середня арифметична відображає всю наведену сукупність.
Тоді
Рівняння регресії:
(2)
2. Оцінити отриману модель:
а) через коефіцієнти варіації.
Якщо - велике коливання ознаки.
Отже,
- коливання ознаки в нормі.
- велике коливання ознаки .
- це означає випередження результату над зміною фактора.
1. б) через показник тісноти зв'язку.
При використанні лінійної регресії показником тісноти зв'язку є лінійний коефіцієнт кореляції.
Формули для обчислення:
1)
2)
У даній задачі, за 1) формулою:
для рівняння (1)
для рівняння (2)
за 2) формулою
Так як дуже близько до 1, це означає наявність дуже тісній залежності і , тобто витрат на виробництво від величини обсягу випущеної продукції.
в) через показник детермінації.
Коефіцієнт детермінації
Тобто варіація на 99% пояснюється варіацією . На частку інших факторів, що не враховуються в регресії, доводиться лише 1%.
Величина коефіцієнта детермінації є одним з критеріїв оцінки якості лінійної моделі. Чим більше частка поясненої варіації, тим, відповідно менше роль інших факторів і, отже, лінійна модель добре апроксимує вихідні дані і нею можна скористатися для прогнозу значень результативної ознаки.