Построение системы показателей (факторов). Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели.

Статистические данные по всем переменным приведены в таблице 21. В этом примере n = 16, m = 5.

Таблица 21

Y	Х1	X2	X3	X4	X5
Объем реализации	Время	Реклама	Цена	Цена конкурента	Индекс потребительских расходов

		4,8	14,8	17,3	98,4
		3,8	15,2	16,8	101,2
		8,7	15,5	16,2	103,5
		8,2	15,5		104,1
		9,7
		14,7	18,1	20,2	107,4
		18,7		15,8	108,5
		19,8	15,8	18,2	108,3
		10,6	16,9	16,8	109,2
		8,6	16,3		110,1
		6,5	16,1	18,3	110,7
		12,6	15,4	16,4	110,3
		6,5	15,7	16,2	111,8
		5,8		17,7	112,3
		5,7	15,1	16,2	112,9

Использование инструмента Корреляция(Анализ данных в EXCEL).

Для проведения корреляционного анализа выполните следующие действия:

1. Данные для корреляционного анализа должны располагаться в смежных диапазонах ячеек.

2. Выберите команду СервисÞАнализ данных.

3. В диалоговом окне Анализ данных выберите инструмент Корреляция, а затем щелкните на кнопке ОК.

4. В диалоговом окне Корреляця в поле Входной интервалнеобходимо ввести диапазон ячеек, содержащих исходные данные. Если выделены и заголовки столбцов, то установить флажок Метки в первой строке.

5. Выберите параметры вывода. В данном примере Новый рабочий лист.

6. ОК.

Таблица 22

Результат корреляционного анализа.

	Объем реализации	Время	Реклама	Цена	Цена конкурента	Индекс потребительских расходов
	Столбец 1	Столбец 2	Столбец 3	Столбец 4	Столбец 5	Столбец 6
Объем реализации
Время	0.678
Реклама	0.646
Цена	0.233	0 .174	-0.003
Цена конкурента	0.226	-0.051	0.204	0.698
Индекс потребительских расходов	0.816	0.960	0.273	0.235	0.03

Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. объем реализации имеет тесную связь с индексом потребительских расходов (ryx₅= 0.816), с расходами на рекламу (ryx₂= 0.646) и со временем (ryx₁ = 0.678). Однако факторы Х₂ и Х₅ тесно связаны между собой (rх ₁x₅ = 0.96), что свидетельствует о наличии мультиколлинеарности. Из этих двух переменных оставим в модели Х₅- индекс потребительских расходов. В этом примере n = 16, m = 5, после исключения незначимых факторов n = 16, k =2.

2. Выбор вида модели и оценка ее параметров.Оценка параметров регрессии осуществляется по методу наименьших квадратов по формуле , используя данные, приведенные в таблице 23

Таблица 23

Y	X0	X1	X2
Объем реализации		Реклама	Индекс потребительских расходов

		4,8	98,4
		3,8	101,2
		8,7	103,5
		8,2	104,1
		9,7
		14,7	107,4
		18,7	108,5
		19,8	108,3
		10,6	109,2
		8,6	110,1
		6,5	110,7
		12,6	110,3
		6,5	111,8
		5,8	112,3
		5,7	112,9

(X^тX ) =

(X^тX )^-1=

A = (X^тX )^-1 X ^тY = =

Уравнение регрессии зависимости объема реализации от затрат на рекламу и индекса потребительских расходов можно записать в следующем виде:

y = -1471.314 + 9.568х₁+ 15.754х₂

Расчетные значения Y определяются путем последовательной подстановки в эту модель значений факторов, взятых для каждого наблюдения.

Применение инструмента Регрессия (Анализ данных в EXCEL).

Для проведения регрессионного анализа выполните следующие действия:

1. Выберите команду СервисÞАнализ данных.

2. В диалоговом окне Анализ данных выберите инструмент Регрессия, а затем щелкните на кнопке ОК

3. В диалоговом окне Регрессия в поле Входной интервал Y введите адрес одного диапазона ячеек, который представляет зависимую переменную. В поле Входной интервал Х введите адреса одного или нескольких диапазонов, которые содержат значения независимых переменных (Рисунок 4.1.).

4. Если выделены и заголовки столбцов, то установить флажок Метки в первой строке.

5. Выберите параметры вывода. В данном примере Новая рабочая книга

6. В поле Остатки поставьте необходимые флажки.

7. ОК.

Рис.6. Диалоговое окно Регрессия подготовлено к выполнению анализа данных.

Результат регрессионного анализа содержится в таблицах 24 –27. Рассмотрим содержание этих таблиц.

Таблица 24.

Регрессионная статистика
Множественный R	0.927
R-квадрат	0.859
Нормированный R-квадрат	0.837
Стандартная ошибка	41.473
Наблюдения	16.000

Таблица 25

Дисперсионный анализ
	df	SS	MS	F
Регрессия		136358.334	68179.167	39.639
Остаток		22360.104	1720.008
Итого		158718.438

Таблица 26

	Коэффициенты	Стандартная ошибка	t-статистика
Y-пересечение	-1471.314	259.766	-5.664
Реклама	9.568	2.266	4.223
Индекс потребительских расходов	15.753	2.467	6.386

Таблица 27

ВЫВОД ОСТАТКА

Наблюдение	Предсказанное	Остатки
	142,25	-16,25
	124,70	12,30
	159,24	-11,24
	242,35	-51,35
	247,02	26,98
	307,06	62,94
	361,20	70,80
	416,80	28,20
	424,18	-57,18
	350,32	16,68
	345,37	-24,37
	334,72	-27,72
	386,79	-55,79
	352,05	-7,05
	353,23	10,77
	361,73	22,27

Пояснения к таблице 24

Регрессионная статистика
№	Наименование в отчете EXCEL	Принятые наименования	Формула
	Множественный R	Коэффициент множественной корреляции, индекс корреляции
	R-квадрат	Коэффициент детерминации, R²
	Нормированный R-квадрат	Скорректированный R²
	Стандартная ошибка	Стандартная ошибка оценки
	Наблюдения	Количество наблюдений, n	n

Пояснения к таблице 25

return false">ссылка скрыта

	Df – число степеней свободы	SS – сумма квадратов	MS	F – критерий Фишера
Регрессия	k =2		/k
Остаток	n-k-1 = 13
Итого	n-1 = 15

Пояснения к таблице 26.

Во втором столбце таблицы 26 содержатся коэффициенты уравнения регрессии a₀, a₁, a_2. В третьем столбце содержатся стандартные ошибки коэффициентов уравнения регрессии, а в четвертом - t-статистика, используемая для проверки значимости коэффициентов уравнения регрессии.

y = -1471.314 + 9.568х₁+ 15.754х₂