Множественная регрессия

5. Открыть тот же файл данных Carsales (Продажа машин).

6. Через меню Relate - Multiple Regression (Общность - Множественная регрессия) перейти к окну множественной регрессии. Выбрать в качестве независимой переменной параметр sales (продажи), независимых - все остальные переменные и указать в поле Select: first(20) для ограничения объема данных первыми двадцатью строками. Результат - на рис.13.

7. По умолчанию из табличных опций открывается Analysis Summary (Итоговый анализ), которой достаточно для анализа результатов. Здесь приводятся результаты расчета коэффициентов регрессионного уравнения, стандартные отклонения каждого коэффициента, значения статистик (табл.7).

Рис.13. Окно множественной регрессии

Таблица 7. Результат регрессионного анализа

-----------------------------------------------------------------------------

Standard T

Parameter Estimate Error Statistic P-Value

-----------------------------------------------------------------------------

CONSTANT -8655,36 2258,51 -3,83233 0,0064

ADJUSTED 1,01188 0,0583686 17,336 0,0000

RESIDS 0,411272 11,2917 0,0364224 0,9720

SIND 92,7932 18,3206 5,06497 0,0015

AVGS -0,0565496 0,0571801 -0,988973 0,3556

-----------------------------------------------------------------------------

Консультант дает следующее пояснение:

Выход показывает результаты подгонки модели множественной линейной регрессии для описания связи между переменной sales и остальными независимыми переменными. Уравнение подогнанной модели имеет вид:

sales = -8655,36 + 1,01188*ADJUSTED + 0,411272*RESIDS + 92,7932*SIND -0,0565496*AVGS

R-Squared статистика, приведенная в Итоговом анализе, определяет, что подогнанная модель объясняет 98,5% всей вариации переменной sales.

При оценке возможности упрощения модели заметим, что наибольшие значения величины Р, равные 0,972 и 0,355, принадлежат переменным RESIDS и AVGS. Так как значение Р больше или равно 0,10, то эти переменные не является статистически значимыми на 90-процентном или более высоком доверительном уровне, следовательно, можно рассмотреть возможность исключения этих признаков из дальнейшего анализа.

8. Среди графических опций выделить Component Effects и Residuals versus X. Проанализировать эти графики, изменяя переменные на горизонтальной оси.