- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
(-l≤rxy≤l):
σхcov(x,y)yx – y* x
rxy = bσy =σх σy=σх σy, индекс корреляции ρxy для нелинейной регрессии (0≤ρxy≤l):
σ²ост∑(y-ỹх)²
ρxy=√= √ 1-,
σ²у∑(y-у)²
Оценку качества построенной модели даст коэффициент (индекс) детерминации, а так же средняя ошибка аппроксимации.
Средняя ошибка аппроксимации – среднее отклонение расчетных значений от фактических:
1y-ỹ
А=∑∙100%
nyДопустимый предел значений А – не более 8-10%
Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии т.е у и ỹх. Чем меньше это отличие, тем ближе теоретические значения подходят к эмпирическим данным, это лучшее качество модели. Величина отклонений фактических и расчетных значений результативного признака( y-ỹх) по каждому наблюдению представляет собой ошибку аппроксимации. Их число соответствует объему совокупности. В отдельных случаях ошибка аппроксимации может оказаться равной нулю. Для сравнения используются величины отклонений, выраженные в процентах к фактическим значениям.
Поскольку ( y-ỹх) может быть как величиной положительной так и отрицательной, то ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
Отклонения ( y-ỹх) можно рассматривать как абсолютную ошибку аппроксимации, а
(y-ỹх)
*100
у
как относительную ошибку аппроксимации . Что б иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению, определяют среднюю ошибку аппроксимации как среднюю арифметическую простую:
l(y-ỹх)
А=n∑у∙100
Задача дисперсионного анализа состоит в анализе дисперсии зависимой переменной:
∑(у-у)²= ∑(ỹх-у)² + ∑(у-ỹх)²,
где ∑(у-у)² общая сумма квадратов отклонений;
∑(ỹх-у)²сумма квадратов отклонений, обусловленная регрессией
∑(у-ỹх)² остаточная сумма квадратов отклонений.
Долю дисперсии , объясняемую регрессией, в общей дисперсии результативного признака у характеризует коэффициент (индекс) детерминации R²:
∑(ỹx-y)²
R²= ∑(y-y)²
Коэффициент детерминации- квадрат коэффициента или индекса корреляции.
F-mecm-оценивание качества уровнения регрессии- состоит в проверке гипотезы Но о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического
Fфакт и критического (табличного) Fтаблзначений F критерия Фишера. Fфакт-
определяется из соотношения значений факторной и остаточной дисперсией, рассчитанных на одну степень свободы:
∑(ỹx-y)²/mr²xy
Fфакт==(n-2)
∑(y-ỹ)² /(n-m-1)1-r²xyn- число едениц совокупности;
m- число параметров при переменных х.
Fтабл- это максимально возможное значение критерия под влиянием случайных факторов при данных степенях свободы и уровне значимости а
Уровень значимости а вероятность отвергнуть правильную гипотезу при условии, что она верна. Обычно а принимается равной 0,05 или 0,01.
Если Fтабл< fфакт то Но – гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность. Если fтабл> Fфакт , то гипотеза Но не отклоняется и признается статистическая незначимость, ненадежность уравнения регрессии.
УСЛОВИЕ
По пяти городам известны значения 2х признаков:табл.№1
город |
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
Похожие работы
Тема: Исследование моделей |
Предмет/Тип: Неопределено (Курсовая работа (п)) |
Тема: Исследование коммуникационных моделей в психотерапии |
Предмет/Тип: Психология (Курсовая работа (т)) |
Тема: Исследование моделей организационного поведения |
Предмет/Тип: Менеджмент (Курсовая работа (т)) |
Тема: Построение и исследование имитационных моделей |
Предмет/Тип: Отсутствует (Курсовая работа (т)) |
Тема: Построение и исследование имитационных моделей |
Предмет/Тип: Отсутствует (Курсовая работа (т)) |
Интересная статья: Быстрое написание курсовой работы