12542
240
622
12
12
14.5
2067
1156
6718
96
461
9.2
Таблица 4
№ Объектанаблюдения | Y | X1 | X2 | X3 | X4 | X5 | X6 |
1 | 10.6 | 16,8 | 12,6 | 5,7 | 1,0 | 3,2 | 0,06 |
2 | 19.7 | 33,1 | 4,5 | 8,0 | 0,4 | 2,8 | 0,08 |
3 | 17.7 | 9,9 | 7,7 | 4,6 | 0,6 | 3,0 | 0,08 |
4 | 17.5 | 63,1 | 8,6 | 4,1 | 0,7 | 2,8 | 0,08 |
6 | 11.3 | 40,3 | 9,9 | 5,2 | 0,8 | 3,1 | 0,08 |
7 | 14.4 | 28,3 | 7,7 | 7,1 | 0,6 | 3,0 | 0,09 |
8 | 9.4 | 25,2 | 14,6 | 7,2 | 1,2 | 3,2 | 0,11 |
9 | 11.9 | 47,3 | 9,9 | 4,5 | 0,7 | 3,0 | 0,13 |
10 | 13.9 | 26,8 | 9,3 | 9,4 | 0,8 | 13,1 | 0,11 |
11 | 8.9 | 25,4 | 14,6 | 6,5 | 1,2 | 3,2 | 0,08 |
12 | 14.5 | 14,2 | 8,0 | 8,5 | 0,7 | 3,2 | 0,13 |
4. Анализ матрицы коэффициентов парных корреляций для абсолютных величин
Таблица 5
№ фактора | Y | X1 | X2 | X3 | X4 | X5 | X6 |
Y | 1.00 | 0.52 | -0.22 | -0.06 | -0.23 | 0.44 | 0.12 |
X1 | 0.52 | 1.00 | 0.38 | 0.52 | 0.38 | 0.74 | 0.60 |
X2 | -0.22 | 0.38 | 1.00 | 0.91 | 1.00 | 0.68 | 0.74 |
X3 | -0.06 | 0.52 | 0.91 | 1.00 | 0.91 | 0.86 | 0.91 |
X4 | -0.23 | 0.38 | 1.00 | 0.91 | 1.00 | 0.67 | 0.74 |
X5 | 0.44 | 0.74 | 0.68 | 0.86 | 0.67 | 1.00 | 0.85 |
X6 | 0.12 | 0.60 | 0.74 | 0.91 | 0.74 | 0.85 | 1.00 |
Из таблицы 4 находим тесно коррелирующие факторы. Налицо мультиколлениарность факторов Х2 и Х4 . Оставим только один фактор Х2 . Так же достаточно высокий коэффициент корреляции ( 0.91 ) между факторами Х2 и Х3 . Избавимся от фактора Х3 .
5. Построение уравнения регрессии для абсолютных величин
Проведём многошаговый регрессионный анализ для оставшихся факторов : Х1 , Х2 , Х5 , Х6 .
а) Шаг первый .
Y = 12. 583 + 0 * X1 + 0.043 * X2 + 0.021 * X5 - 0.368 * X6
Коэффициент множественной корреляции = 0.861
Коэффициент множественной детерминации = 0.742
Сумма квадратов остатков = 32.961
t1 = 0.534 *
t2 = 2.487
t5 = 2.458
t6 = 0.960 *
У фактора Х1 t-критерий оказался самым низким . Следовательно
Похожие работы
Интересная статья: Быстрое написание курсовой работы