Многофакторный регрессионный анализ

ОДНОФАКТОРНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ

С ПРИМЕНЕНИЕМ ИНСТРУМЕНТА РЕГРЕССИИ

Для проведения регрессионного анализа зависимости снижения себестоимости от изменения удельного веса рабочих в составе ППП. В меню Сервис выбираем Анализ данных и указываем инструмент анализа Регрессия. После нажатия ОК в диалоговом окне Регрессия указываем входной интервал Y и входной интервал X, а также параметры вывода, остатки, нормальную вероятность. Аналогично производится парный регрессионный анализ по второй переменной - зависимости индекса снижения себестоимости от уровня непроизводственных расходов.

- себестоимость и удельный вес рабочих

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,052071515
R-квадрат	0,002711443
Нормированный R-квадрат	-0,040648929
Стандартная ошибка	74,00339097
Наблюдения

 

Множественный R в пределах 0,5-0,7 свидетельствует о заметной связи признаков;

R-квадрат- коэффициент детерминации характеризует долю вариации результативного признака у, объясняемую регрессией и фактором х, в общей вариации у – от 0 до 1, показывает, что 2 выбранных фактора на 0,27% обусл. У, 99,73%-не учтено. Стандартная ошибка – для оценки качества модели.

 

Дисперсионный анализ

df-степени свободы

число факторов-2

F оценка качества модели сравниваем с табличным для уровня значимости альфа 0,05
по приложению А Fтабл = 3,44	Fрасч=0,06 меньше ф табл, значит уравнение не значимо

 

 

Фактическое значение меньше табличного, значит нет оснований отвергать основную гипотезу, то есть параметр регрессии не значимо отличается от нуля при уровне значимости 0,05

 

ВЫВОД ОСТАТКА

ВЫВОД ВЕРОЯТНОСТИ

Персентиль	Y
	13,6
	18,1
	30,1
	32,3
	46,3
	46,6
	52,6
	53,1
	53,2
	56,5
	62,5
	73,01
	73,3
	76,6
	89,8
	103,5
	146,4
	172,1
	198,1
	199,6
	204,2
	209,6
	222,6
	236,7

- себестоимость и расходы

 

 

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,071828488
R-квадрат	0,005159332
Нормированный R-квадрат	-0,03809461
Стандартная ошибка	73,91251287
Наблюдения

 

 

Множественный R в пределах 0,7-0,9 свидетельствует о тесной связи признаков;

R-квадрат- коэффициент детерминации характеризует долю вариации результативного признака у, объясняемую регрессией и фактором х, в общей вариации у – от 0 до 1, показывает, что 2 выбранных фактора на 0,5% обусл. У, 99,5%-не учтено. Стандартная ошибка – для оценки качества модели.

 

Дисперсионный анализ

 

 

df-степени свободы

число факторов-2

F оценка качества модели сравниваем с табличным для уровня значимости альфа 0,05
по приложению А Fтабл = 3,44	Fрасч=0,1 меньше ф табл, значит уравнение не значимо

 

 

Фактическое значение меньше табличного, значит нет оснований отвергать основную гипотезу, то есть параметр регрессии не значимо отличается от нуля при уровне значимости 0,05

 

ВЫВОД ОСТАТКА

ВЫВОД ВЕРОЯТНОСТИ

Персентиль	Y
	13,6
	18,1
	30,1
	32,3
	46,3
	46,6
	52,6
	53,1
	53,2
	56,5
	62,5
	73,01
	73,3
	76,6
	89,8
	103,5
	146,4
	172,1
	198,1
	199,6
	204,2
	209,6
	222,6
	236,7

МНОГОФАКТОРНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ

 

Эта операция производится с помощью инструмента анализа данных Регрессия. Она аналогична расчету параметров парной линейной регрессии. описанной выше, только в отличие от парной регрессии в диалоговом окне при заполнении параметра входной интервал X следует указать не один столбец, а все столбцы, содержащие значения факторных признаков. Результаты анализа представлены в приложении Д.

- себестоимость, удельный вес рабочих, затраты

 

ВЫВОД ИТОГОВ

Регрессионная статистика
Множественный R	0,232355909
R-квадрат	0,053989268
Нормированный R-квадрат	-0,032011707
Стандартная ошибка	73,69564283
Наблюдения

 

Множественный R в пределах 0,1-0,3 свидетельствует о слабой связи признаков;

R-квадрат- коэффициент детерминации характеризует долю вариации результативного признака у, объясняемую регрессией и фактором х, в общей вариации у – от 0 до 1, показывает, что 2 выбранных фактора на 0,5% обусл. У, 99,5%-не учтено. Стандартная ошибка – для оценки качества модели.

 

 

Дисперсионный анализ

df-степени свободы

число факторов-2

F оценка качества модели сравниваем с табличным для уровня значимости альфа 0,05
по приложению А Fтабл = 3,44	Fрасч=0,6 меньше ф табл, значит уравнение не значимо

 

 

Фактическое значение меньше табличного, значит нет оснований отвергать основную гипотезу, то есть параметр регрессии не значимо отличается от нуля при уровне значимости 0,05

ВЫВОД ОСТАТКА

ВЫВОД ВЕРОЯТНОСТИ

Персентиль	Y
	13,6
	18,1
	30,1
	32,3
	46,3
	46,6
	52,6
	53,1
	53,2
	56,5
	62,5
	73,01
	73,3
	76,6
	89,8
	103,5
	146,4
	172,1
	198,1
	199,6
	204,2
	209,6
	222,6
	236,7