Парная регрессия -  упражнение  - Эконометрика, Упражнения и задачи из Эконометрика. Современный университет управления (СИУ)
wklev85
wklev8525 марта 2013 г.

Парная регрессия - упражнение - Эконометрика, Упражнения и задачи из Эконометрика. Современный университет управления (СИУ)

PDF (387 KB)
33 страница
394Количество просмотров
Описание
Задачи, тесты и упражнения по предмету Эконометрика. Тема Парная регрессия. Задачи и решения. Упражнения с ответами.
20баллов
Количество баллов, необходимое для скачивания
этого документа
Скачать документ
Предварительный просмотр3 страница / 33
Это только предварительный просмотр
3 страница на 33 страницах
Скачать документ
Это только предварительный просмотр
3 страница на 33 страницах
Скачать документ
Это только предварительный просмотр
3 страница на 33 страницах
Скачать документ
Это только предварительный просмотр
3 страница на 33 страницах
Скачать документ
Парная регрессия - лабораторная работа - Эконометрика

Всероссийский заочный финансово-экономический институт

Лабораторная работа

По дисциплине

«Эконометрика»

Тема:

«Парная регрессия»

Уфа – 2007 г.

Вариант 4

X 36 28 43 52 51 54 25 37 51 29 Y 104 77 117 137 143 144 82 101 132 77

Требуется:

1. Для характеристики Y от X построить следующие модели: a. Линейную; b. Степенную; c. Показательную; d. Гиперболическую.

2. Оценить каждую модель по: a. Индексу корреляции; b. Средней относительной ошибки; c. Коэффициенту детерминации; d. F – критерию Фишера.

3. Составив сводную таблицу вычислений, выбрать лучшую модель, дать интерпритацию расчитанных характеристик.

4. Осуществить прогнозирование среднего значения показателя Y при уровне значимости α=0,1, если прогнозное значение фактора X составит 80% от его максимального значения.

5. Представить графически: фактические и модельные значения Y, точки прогноза.

РЕШЕНИЕ:

1. Построение линейной модели парной регрессии 1) Вводим данные по колонкам в Microsoft Excel и сохраняем на

компьютере. 2) Открываем программу СтатЭксперт:

Пуск-Программы-Olimp-СтатЭксперт 3) Импортируем сохраненные данные в СтатЭксперт 4) Выделяем цифровые значения показателей X и Y 5) На панели инструментов нажимаем команду СтатЭксперт-Регрессия

Появляется окно «Установка блока данных», ставим метки напротив «ввода данных по колонкам», остальные метки снимаем. Далее нажимаем кнопку «Установить»

6) В появившемся окне «Регрессионный анализ» переводим все доступные переменные в список выбранных переменных: Показатель А – фактор Х Показатель В – фактор Y

7) Устанавливаем зависимую переменную - Показатель В. 8) В появившемся окне «Формирование набора моделей» устанавливаем в

списке выбранных моделей – линейную модель: Y = a+b*X. Нажимаем «Вычислить».

9) После подсчета модели СтатЭксперт создаст протокол регрессионного анализа по линейной модели (табл.1), который необходимо сохранить на компьютере.

Таблица 1

Протокол регрессионного анализа линейной модели Парная регрессия. Y = Показатель-B X = Показатель-A Таблица функций парной регрессии

Функция Критерий Эластич ность

Y(X)=+13.892+2.402*X 25,968 0,875 Выбрана функция Y(X)=+13.892+2.402*X Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

Фактор X

1 104,000 100,352 3,648 3,507 36,000 2 77,000 81,139 -4,139 -5,375 28,000 3 117,000 117,164 -0,164 -0,140 43,000 4 137,000 138,779 -1,779 -1,299 52,000 5 143,000 136,377 6,623 4,631 51,000 6 144,000 143,582 0,418 0,290 54,000 7 82,000 73,934 8,066 9,837 25,000 8 101,000 102,754 -1,754 -1,737 37,000 9 132,000 136,377 -4,377 -3,316 51,000 10 77,000 83,541 -6,541 -8,494 29,000

Характеристики остатков

Характеристика Значение Среднее значение 0,000 Дисперсия 20,774 Приведенная дисперсия 25,968 Средний модуль остатков 3,751 Относительная ошибка 3,863 Критерий Дарбина-Уотсона 1,707 Коэффициент детерминации 0,998 F - значение ( n1 = 1, n2 = 8) 5023,883 Критерий адекватности 77,905 Критерий точности 69,392 Критерий качества 71,520 Уравнение значимо с вероятностью 0.95

10)На основе протокола регрессионного анализа линейной модели

выводим графики Показателя В (Y-X) (рис.1) и график относительной ошибки % (рис.2)

Показатель-B(Y-X)

73.000

83.000

93.000

103.000

113.000

123.000

133.000

143.000

153.000

25.000 30.000 35.000 40.000 45.000 50.000 55.000 60.000

Показатель-A

Факт

Расчет

Возврат в ОТЧЕТ

Рис.1Показатель В (Y-X) линейной модели

Относительная ошибка %

-10.000

-5.000

0.000

5.000

10.000

15.000

1 2 3 4 5 6 7 8 9 10

Возврат в ОТЧЕТ

рис.2 Относительная ошибка линейной модели, %

2. Построение гиперболической модели парной регресии C пункта 1-7 выполнить шаги как описано выше 8) В появившемся окне «Формирование набора моделей» устанавливаем в

списке выбранных моделей – гиперболическую модель: Y = a+b/X. Нажимаем «Вычислить».

9) После подсчета модели СтатЭксперт создаст протокол регрессионного анализа по гиперболической модели (табл.2), который необходимо сохранить на компьютере.

Таблица 2 Протокол регрессионного анализа гиперболической модели

Парная регрессия. Y = Показатель-B X = Показатель-A Таблица функций парной регрессии

Функция Критерий Эластич ность

Y(X)=+198.762-3293.898/X 68,292 -0,690 Выбрана функция Y(X)=+198.762-3293.898/X Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

Фактор X

1 104,000 107,264 -3,264 -3,139 36,000 2 77,000 81,122 -4,122 -5,354 28,000 3 117,000 122,159 -5,159 -4,410 43,000 4 137,000 135,417 1,583 1,155 52,000 5 143,000 134,175 8,825 6,171 51,000 6 144,000 137,764 6,236 4,331 54,000 7 82,000 67,006 14,994 18,286 25,000 8 101,000 109,737 -8,737 -8,651 37,000 9 132,000 134,175 -2,175 -1,648 51,000

10 77,000 85,179 -8,179 -10,622 29,000 Характеристики остатков

Характеристика Значение Среднее значение 0,000 Дисперсия 54,634 Приведенная дисперсия 68,292 Средний модуль остатков 6,328 Относительная ошибка 6,377 Критерий Дарбина-Уотсона 1,511 Коэффициент детерминации 0,996 F - значение ( n1 = 1, n2 = 8) 1905,331 Критерий адекватности 69,960 Критерий точности 52,277 Критерий качества 56,697 Уравнение значимо с вероятностью 0.95

10)На основе протокола регрессионного анализа гиперболической модели

выводим графики Показателя В (Y-X) (рис.3) и график относительной ошибки % (рис.4)

Рис.3 Показатель В (Y-X) гиперболической модели

Показатель-B(Y-X)

67.000

77.000

87.000

97.000

107.000

117.000

127.000

137.000

147.000

157.000

25.000 30.000 35.000 40.000 45.000 50.000 55.000 60.000

Показатель-A

Факт

Расчет

Возврат в ОТЧЕТ

рис.4 Относительная ошибка гиперболической модели, %

Относительная ошибка %

-15.000

-10.000

-5.000

0.000

5.000

10.000

15.000

20.000

1 2 3 4 5 6 7 8 9 10

Возврат в ОТЧЕТ

3. Построение показательной модели парной регрессии

C пункта 1-7 выполнить шаги как описано выше 8) В появившемся окне «Формирование набора моделей» устанавливаем в

списке выбранных моделей – показательная модель: Y = a+b**X. Нажимаем «Вычислить».

9) После подсчета модели СтатЭксперт создаст протокол регрессионного анализа по показательной модели (табл.3), который необходимо сохранить на компьютере.

Таблица 3 Протокол регрессионного анализа показательной модели

Парная регрессия. Y = Показатель-B X = Показатель-A Таблица функций парной регрессии

Функция Критерий Эластич ность

Y(X)= (+43.677)*(+1.023)**X 27.333 0.908 Выбрана функция Y(X)= (+43.677)*(+1.023)**X Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

Фактор X

1 104.000 97.732 6.268 6.027 36.000 2 77.000 81.716 -4.716 -6.125 28.000 3 117.000 114.302 2.698 2.306 43.000 4 137.000 139.798 -2.798 -2.042 52.000 5 143.000 136.705 6.295 4.402 51.000 6 144.000 146.195 -2.195 -1.524 54.000 7 82.000 76.412 5.588 6.815 25.000 8 101.000 99.944 1.056 1.046 37.000 9 132.000 136.705 -4.705 -3.564 51.000 10 77.000 83.565 -6.565 -8.526 29.000

Характеристики остатков

Характеристика Значение Среднее значение 0.093 Дисперсия 21.857 Приведенная дисперсия 27.333 Средний модуль остатков 4.288 Относительная ошибка 4.238 Критерий Дарбина-Уотсона 2.188 Коэффициент детерминации 0.998 F - значение ( n1 = 1, n2 = 8) 4772.591 Критерий адекватности 71.669 Критерий точности 66.698 Критерий качества 67.941 Уравнение значимо с вероятностью 0.95

10)На основе протокола регрессионного анализа показательной модели выводим графики Показателя В (Y-X) (рис.5) и график относительной ошибки % (рис.6)

Показатель-B(Y-X)

76.000

86.000

96.000

106.000

116.000

126.000

136.000

146.000

156.000

25.000 30.000 35.000 40.000 45.000 50.000 55.000 60.000

Показатель-A

Факт

Расчет

Рис.5 Показатель В (Y-X) показательной модели

Относительная ошибка %

-10,000

-8,000

-6,000

-4,000

-2,000

0,000

2,000

4,000

6,000

8,000

1 2 3 4 5 6 7 8 9 10

рис.6 Относительная ошибка показательной модели, %

4. Построение степенной модели парной регрессии C пункта 1-7 выполнить шаги как описано выше 8) В появившемся окне «Формирование набора моделей» устанавливаем в

списке выбранных моделей – степенная модель: Y = a+ X**b. Нажимаем «Вычислить».

9) После подсчета модели СтатЭксперт создаст протокол регрессионного анализа по степенной модели (табл.4), который необходимо сохранить на компьютере.

Таблица 4 Протокол регрессионного анализа степенной модели

Парная регрессия. Y = Показатель-B X = Показатель-A Таблица функций парной регрессии

Функция Критерий Эластич ность

Y(X)= (+4.661)*X**(+0.858) 26.991 0.858 Выбрана функция Y(X)= (+4.661)*X**(+0.858) Таблица остатков

номер Факт Расчет Ошибка абс.

Ошибка относит.

Фактор X

1 104.000 100.771 3.229 3.105 36.000 2 77.000 81.231 -4.231 -5.495 28.000 3 117.000 117.361 -0.361 -0.308 43.000 4 137.000 138.138 -1.138 -0.831 52.000 5 143.000 135.856 7.144 4.995 51.000 6 144.000 142.683 1.317 0.915 54.000 7 82.000 73.707 8.293 10.114 25.000 8 101.000 103.167 -2.167 -2.146 37.000 9 132.000 135.856 -3.856 -2.922 51.000 10 77.000 83.713 -6.713 -8.718 29.000

Характеристики остатков

Характеристика Значение Среднее значение 0.152 Дисперсия 21.570 Приведенная дисперсия 26.991 Средний модуль остатков 3.845 Относительная ошибка 3.955 Критерий Дарбина-Уотсона 1.588 Коэффициент детерминации 0.998 F - значение ( n1 = 1, n2 = 8) 4833.032 Критерий адекватности 72.340 Критерий точности 68.726 Критерий качества 69.629 Уравнение значимо с вероятностью 0.95

10)На основе протокола регрессионного анализа степенной модели выводим графики Показателя В (Y-X) (рис.7) и график относительной ошибки % (рис.8)

Показатель-B(Y-X)

73.000

83.000

93.000

103.000

113.000

123.000

133.000

143.000

153.000

25.000 30.000 35.000 40.000 45.000 50.000 55.000 60.000

Показатель-A

Факт

Расчет

Возврат в ОТЧЕТ

Рис.7 Показатель В (Y-X) степенной модели

Относительная ошибка %

-10.000

-5.000

0.000

5.000

10.000

15.000

1 2 3 4 5 6 7 8 9 10

Возврат в ОТЧЕТ

Рис.8 Относительная оценка степенной модели, %

Показатель-B(Y-X)

73.000

83.000

93.000

103.000

113.000

123.000

133.000

143.000

153.000

25.000 30.000 35.000 40.000 45.000 50.000 55.000 60.000

Показатель-A

Факт

Расчет

Возврат в ОТЧЕТ

Для выбора лучшей модели построим сводную таблицу результатов (таблица 5)

Таблица 5

Параметры Коэффициент детерминации R**

F- критерий Фишера

Индекс корреляции p yx (ryx)

Средняя относительная ошибка Eотн Модель

1.Линейная 0,998 5023,883 0,9990 3,863 2.Степенная 0,998 4833,032 0,9990 3,955 3.Показательная 0,998 4772,591 0,9990 4,238 4.Гиперболическая 0,996 1905,331 0,9980 6,377

Из сводной таблицы видно, что лучшей моделью является линейная

Y(X)=13,892+2,402X Осуществим прогнозирование среднего значения показателя Y при уровне значимости α=0,1, если прогнозное значение фактора X составит 80% от его максимального значения.

.2,43 %100

54%80 %80. ðóáìëíÕìàõÕïðîãí =×=×=

Подставим Хпрогн. в нашу модель и расчитаем Y(Xпрогн) Y(X)=13,892+2,402 х 43,2 = 117,66 млн руб. Отметим графически фактические и модельные значения Y, точки прогноза (рис.9)

Рис.9Прогноз по лучшей модели

МНОЖЕСТВЕННАЯ РЕГРЕССИЯ

Вариант 1.3 точки с 6 по 46 По данным о рынке жилья в Московской области, представленным в табл. 1, исследуется зависимость между ценой квартиры Y (тыс. долл.) и следующими основными факторами:

X1 – город области (1- Подольск, 2-Люберцы);

X2 – число комнат в квартире;

X3 – общая площадь квартиры (м 2);

X4 – жилая площадь квартиры (м 2);

X5 – этаж квартиры;

X6 – площадь кухни (м 2).

Y-цена квартиры, тыс. долл. Исходные данные взяты из журнала «Недвижимость и цены» 1-7 мая 2006 г.

Таблица 1 – Исходные данные

№ Y X1 X2 X3 X4 X5 X6

1 115 2 4 70,4 51,4 9 7

2 85 1 3 82,8 46 5 10

3 69 1 2 64,5 34 6 10

4 57 1 2 55,1 31 1 9

5 184,6 2 3 83,9 65 1 9

6 56 1 1 32,2 17,9 2 7

7 85 2 3 65 39 12 8,3

8 265 2 4 169,5 80 10 16,5

9 60,65 1 2 74 37,8 11 12,1

10 130 2 4 87 57 6 6

11 46 1 1 44 20 2 10

12 115 2 3 60 40 2 7

13 70,96 2 2 65,7 36,9 5 12,5

14 39,5 1 1 42 20 7 11

15 78,9 2 1 49,3 16,9 14 13,6

16 60 1 2 64,5 32 11 12

17 100 1 4 93,8 58 1 9

18 51 1 2 64 36 6 12

19 157 2 4 98 68 2 11

20 123,5 1 4 107,5 67,5 12 12,3

21 55,2 2 1 48 15,3 9 12

22 95,5 1 3 80 50 6 12,5

23 57,6 2 2 63,9 31,5 5 11,4

24 64,5 1 2 58,1 34,8 10 10,6

25 92 1 4 83 46 9 6,5

26 100 1 3 73,4 52,3 2 7

27 81 2 2 45,5 27,8 3 6,3

Таблица 1 – Исходные данные № Y X1 X2 X3 X4 X5 X6

28 65 1 1 32 17,3 5 6,6

29 110 2 3 65,2 44,5 10 9,6

30 42,1 1 1 40,3 19,1 13 10,8

31 135 2 2 72 35 12 10

32 39,6 1 1 36 18 5 8,6

33 57 1 2 61,6 34 8 10

34 80 2 1 35,5 17,4 4 8,5

35 61 1 2 58,1 34,8 10 10,6

36 69,6 1 3 83 53 4 12

37 250 1 4 152 84 15 13,3

38 64,5 1 2 64,5 30,5 12 8,6

39 125 2 2 54 30 8 9

40 152,3 2 3 89 55 7 13

41 38 1 1 41,9 19 12 9,5

42 62,2 1 2 69 36 9 10

43 125 2 3 67 41 11 8

44 61,1 1 2 58,1 34,8 10 10,6

45 67 2 1 32 18,7 2 6

46 93 2 2 57,2 27,7 1 11,3

47 118 1 3 107 59 2 13

48 132 2 3 81 44 8 11

49 92,5 2 3 89,9 56 9 12

50 105 1 4 75 47 8 12

51 42 1 1 36 18 8 8

52 125 1 3 72,9 44 16 9

53 170 2 4 90 56 3 8,5

54 38 2 1 29 16 3 7

55 130,5 2 4 108 66 1 9,8

56 85 2 2 60 34 3 12

57 98 2 4 80 43 3 7

58 128 2 4 104 59,2 4 13

59 85 2 3 85 50 8 13

60 160 1 3 70 42 2 10

61 60 2 1 60 20 4 13

62 41 1 1 35 14 10 10

63 90 1 4 75 47 5 12

64 83 2 4 69,5 49,5 1 7

65 45 2 1 32,8 18,9 3 5,8

66 39 2 1 32 18 3 6,5

67 86,9 2 3 97 58,7 10 14

68 40 2 1 32,8 22 2 12

Таблица 1 – Исходные данные № Y X1 X2 X3 X4 X5 X6

69 80 2 2 71,3 40 2 10

70 227 2 4 147 91 2 20,5

71 235 2 4 150 90 9 18

72 40 1 1 34 15 8 11

73 67 1 1 47 18,5 1 12

74 123 1 4 81 55 9 7,5

75 100 2 3 57 37 6 7,5

76 105 1 3 80 48 3 12

77 70,3 1 2 58,1 34,8 10 10,6

78 82 1 3 81,1 48 5 10

79 280 1 4 155 85 5 21

80 200 1 4 108,4 60 4 10

1. Корреляционный анализ модели. Рассчитать матрицу парных коэффициентов корреляции. Построить линейную

регрессионную модель на основе значимых факторов. Вводим исходные данные (таблица 1) в Microsoft Excel. Сохраняем на

компьютере. Расчет матрицы парных коэффициентов корреляции выполняем следующим образом:

• инициализируем программу «Олимп:СтатЭксперт, указать включение макросов, щелкнуть ОК

• Импортируем исходные данные в СтатЭксперт Файл – Открыть – Исходные данные • Выделяем точки с 6 по 46, на панели инструментов нажимаем

«СтатЭксперт». • В меню СтатЭксперт выбрать функцию Корреляция • Установим шаблон данных: Укажем ориентацию таблицы по столбцам,

остальные метки снимем. Щелкнуть Установить. • В окне корреляционный анализ в список выбранных переменных

добавляем все показатели Соответствие переменных:

Показатель А – Y Показатель B – X1 Показатель C – X2 Показатель D – X3 Показатель E – X4 Показатель F – X5 Показатель G – X6

• Осуществляем выбор зависимой переменной, для этого щелкнем Выбор и выберем показатель А, соответствующий значениям Y

• Установить вид корреляции – линейная. Вычислить. После выполнения этих действий программа осуществит расчет. Протокол корреляционного анализа сохраняем на компьютере (Таблица 2)

По матрице парных корреляций Таблицы 2 устанавливаем наличие мультиколлиниарности и ослабляем ее при наличии, используя два метода:

I метод: С помощью определителя парных коэффициентов корреляции между факторами:

det A =

1 0,103 0,039 0,023 -0,135 -0,024

= 0,007610069

0,103 1 0,832 0,933 0,042 0,122 0,039 0,832 1 0,942 0,251 0,108 0,023 0,933 0,942 1 0,108 0,346 -0,135 0,042 0,251 0,108 1 0,386 -0,024 0,122 0,518 0,346 0,386 1

При расчете det A = 0,007610069 0, следовательно, существует мульти- коллинеарность между факторами х1, х2, х3, х4, х5, х6.

II метод: По значению парного коэффициента корреляции между факторами: Коэффициент корреляции R между двумя переменными указывает на силу связи между факторами и принимает значения между -1 и +1. При этом если значение находится ближе к 1, то это означает наличие сильной связи, а если к 0 – слабой. Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. цена квартиры, имеет тесную связь с индексом числа комнат в квартире (ryx2 = 0,715), с общей площадью квартиры (ryx3 = 0,854), с жилой площадью квартиры (ryx4 = 0,811). Однако факторы х2 и х3 (показатель С и D), х2 и х4 (показатель С и Е), х3 и х4 (показатель D и Е) тесно связаны между собой, т.к. значение парного коэффициента корреляции между факторами:

rx2x3 – 0,832 ≥ 0,8 rx2x4 – 0,933 ≥ 0,8 rx3x4 – 0,942 ≥ 0,8, что свидетельствует о наличии мультиколлиниарности. Т.е.

х2, х3, х4 – несут одну и ту же экономическую информацию, характеризующую одну и ту же сторону исследования цены квартиры (Y) на рынке жилья в Московской области. Поэтому один из этих факторов необходимо исключить из перечня факторов. Либо оставляем все факторы, при условии, что оба фактора важны для исследования цены квартиры. Исключим тот фактор, который менее тесно связан с результативными признаками.

Для исключения х2 или х3 рассматриваем степень тесноты связи каждого фактора с результативным признаком Y (цена квартиры)

rx2y = 0,715 – исключаем rx3y = 0,854

rx2x4 – 0,933 ≥ 0,8 – коэффициент корреляции между общей площадью квартиры и жилой площадью

rx2y = 0,715 - исключаем rx4y = 0,811

rx3x4 – 0,942 ≥ 0,8 – коэффициент корреляции между общей площадью квартиры и жилой площадью:

rx3y = 0,854 rx4y = 0,811 – исключаем

Остались: Х1, Х3, Х5, Х6

Таблица 2 Протокол корреляционного анализа

Матрица парных корреляций

Переменная Показатель-A Показатель-B Показатель-C Показатель-D Показатель-E Показатель-F Показатель-G Показатель-A 1.000 0.367 0.715 0.854 0.811 0.163 0.314 Показатель-B 0.367 1.000 0.103 0.039 0.023 -0.135 -0.024 Показатель-C 0.715 0.103 1.000 0.832 0.933 0.042 0.122 Показатель-D 0.854 0.039 0.832 1.000 0.942 0.251 0.518 Показатель-E 0.811 0.023 0.933 0.942 1.000 0.108 0.346 Показатель-F 0.163 -0.135 0.042 0.251 0.108 1.000 0.386 Показатель-G 0.314 -0.024 0.122 0.518 0.346 0.386 1.000 Критическое значение на уровне 90% при 2 степенях свободы = +0.2048 Матрица максимальных корреляций

Переменная Показатель-A Показатель-B Показатель-C Показатель-D Показатель-E Показатель-F Показатель-G Показатель-A 1.000 0.367 0.715 0.854 0.811 0.163 0.314 Показатель-B 0.367 1.000 0.303 -0.272 0.323 0.163 0.242 Показатель-C 0.715 0.303 1.000 0.832 0.933 -0.220 0.312 Показатель-D 0.854 -0.272 0.832 1.000 0.942 0.251 0.518 Показатель-E 0.811 0.323 0.933 0.942 1.000 -0.213 0.346 Показатель-F 0.163 0.163 -0.220 0.251 -0.213 1.000 0.438 Показатель-G 0.314 0.242 0.312 0.518 0.346 0.438 1.000 Матрица оптимальных лагов

Переменная Показатель-A Показатель-B Показатель-C Показатель-D Показатель-E Показатель-F Показатель-G Показатель-A 0 0 0 0 0 0 0 Показатель-B 0 0 3 1 3 5 10 Показатель-C 0 3 0 0 0 8 4 Показатель-D 0 1 0 0 0 0 0 Показатель-E 0 3 0 0 0 8 0 Показатель-F 0 5 8 0 8 0 7 Показатель-G 0 10 4 0 0 7 0

Матрица частных корреляций Переменная Показатель-A Показатель-B Показатель-C Показатель-D Показатель-E Показатель-F Показатель-G

Показатель-A 1.000 0.000 -0.545 0.591 0.393 0.000 0.000 Показатель-B 0.000 1.000 0.000 0.000 -0.475 0.000 0.000 Показатель-C -0.545 0.000 1.000 0.239 0.792 0.000 0.000 Показатель-D 0.591 0.000 0.239 1.000 0.302 0.000 0.606 Показатель-E 0.393 -0.475 0.792 0.302 1.000 0.000 0.320 Показатель-F 0.000 0.000 0.000 0.000 0.000 1.000 0.000 Показатель-G 0.000 0.000 0.000 0.606 0.320 0.000 1.000 Критическое значение на уровне 90% при 7 степенях свободы = +0.2053 Множественные корреляции

Переменная Коэффи циент

F-зна чение

%точка F-распред.

Показатель-A 0.950 43.428 100.000 Показатель-B 0.794 8.025 100.000 Показатель-C 0.973 84.585 100.000 Показатель-D 0.980 113.437 100.000 Показатель-E 0.986 163.772 100.000 Показатель-F 0.541 1.950 95.909 Показатель-G 0.855 12.794 100.000

комментарии (0)
Здесь пока нет комментариев
Ваш комментарий может быть первым
Это только предварительный просмотр
3 страница на 33 страницах
Скачать документ