«МӘліметтерді талдау және экономиканы болжау» ПӘнінің ОҚУ-Әдістемелік кешені
жүктеу/скачать 0,95 Mb.
|
Анализ данных и эконом прогноз каз
- Бұл бет үшін навигация:
- БЕС АЙНЫМАЛЫ ҮШІН РЕГРЕССИЯ КОЭФФИЦИЕНТІНІҢ МӘНДІЛІГІН ТЕКСЕРУ
- РЕГРЕССИЯНЫҢ ТҮРЛІ МОДЕЛЬДЕРІН ЗЕРТТЕУ
- 1-ші модель
- 2-ші модель
- 3-ші модель
- 4-ші модель
- 5-ші модель
- 6-ші модель
ЖҰП КОРРЕЛЯЦИЯ КОЭФФИЦИЕНТТЕРІ
Есептелген жұп корреляция коэффициенттерден тәуелді айнымалы, яғни өнім көлемі уақытпен (0,68), жарнама шығындармен (0,64) және тұтыну шығындарының индексімен (0,12) өте күшті сызықты байланыста екенін көруге болады. Өкінішке орай, тәуелсіз айнымалылар уақытысын және тұтыну шығындарының индексі өте жоғары корреляцияланған (0,96). №3 кесте БЕС АЙНЫМАЛЫ ҮШІН РЕГРЕССИЯ КОЭФФИЦИЕНТІНІҢ МӘНДІЛІГІН ТЕКСЕРУ
Біз қазір модельдердің мәнді емес екенін көріп отырмыз, өйткені 4 регрессия коэффициенті мәнді емес. Біз модельдерден қай айнымалыны(факторды) алып тастау керектігін шешуіміз керек. Келесі кестеде (№4) модельдегі айнымалылар санын қысқарту шараларының қадамдары берілген, ең алдымен 5-тен 4 дейін, содан соң 3-ке сызықшылар (-) айнымалының модельге қосылмағанын көрсетеді. Әр көпмүшелі модельді(параметрлерін) сәйкес әдістермен табамыз. Зерттеулеріміздің нәтижелерін қолдана отырып, қарастырудан қандай айнымалыны алып тастауға болатынын шешуге болады. Әр модель үшін біз Фишер критериі бойынша барлық регрессияны және Стюдент критериі бойынша жеке регрессия коэффициенттерін санаймыз. Егер модель барлық критерилер бойынша сәйкес келсе, онда қалдық дисперсия аз, ал көпмүшелі корреляция коэффициенті – 1 жақын болуы керек. №4 кесте
1-ші модель: өнім өткізу= (уақыт)+ (жарнама)+ (баға)+ (бәсекелік баға)+ (индекс) Модель F-критериі бойынша мәнді ме? мәнді Регрессия коэффициенттері t-критериі бойынша мәнді ме? уақыт - факторы үшін - мәнді емес жарнама - факторы үшін - мәнді дерлік баға - факторы үшін - мәнді емес бәсекелік баға - факторы үшін - мәнді емес индекс - факторы үшін - мәнді Модельдің мәнділігі бар ма? Модельдің статистикалық мәнділігі жоқ, өйткені, ол F- критериі бойынша сенімді болғанымен, 4 регрессия коэффициенті t- критериі бойынша мәнді емес. 2-ші модель: өнім өткізу= ( жарнама)+ ( баға)+ (бәсекелік баға)+ (индекс) Модель F-критериі бойынша мәнді ме? мәнді Регрессия коэффициенттері t-критериі бойынша мәнді ме? жарнама - факторы үшін - мәнді баға - факторы үшін - мәнді емес бәсекелік баға - факторы үшін - мәнді емес индекс - факторы үшін - мәнді Модельдің мәнділігі бар ма? Модельдің статистикалық мәнділігі жоқ, өйткені регрессияның екі коэффициенті t-критериі бойынша мәнді емес. 3-ші модель: өнім өткізу= ( жарнама)+ (бәсекелік баға) + (индекс) Модель F-критериі бойынша мәнді ме? мәнді Регрессия коэффициенттері t-критериі бойынша мәнді ме? жарнама - факторы үшін - мәнді бәсекелік баға - факторы үшін - мәнді емес индекс - факторы үшін - мәнді Модельдің мәнділігі бар ма? Модельдің статистикалық мәнділігі жоқ, өйткені t-критериі бойынша 1 регрессия коэффициенті мәнді емес. 4-ші модель: өнім өткізу= ( жарнама)+ (индекс) Модель F-критериі бойынша мәнді ме? мәнді Регрессия коэффициенттері t-критериі бойынша мәнді ме? жарнама - факторы үшін - мәнді индекс - факторы үшін - мәнді Модельдің мәнділігі бар ма? Модель статистикалық мәнді. 5-ші модель: өнім өткізу= ( уақыт)+ (жарнама) модельі F-критериі бойынша мәнді Регрессия коэффициенттері t-критериі бойынша мәнді ме? уақыт - факторы үшін - мәнді жарнама - факторы үшін - мәнді Модельдің мәнділігі бар ма? Модель статистикалық мәнді. 6-ші модель: өнім өткізу= ( индекс). Модель F және t-критериі бойынша статистикалық мәнді. P.S. статистикалық көпмүшелі модельді анықтауда F-критериі бойынша сенімді емес модель ары қарай қарастырылмайды.
Біздің мысалда мәнді модель тек айнымалылар саны 2-ге дейін қысқарғанда ғана пайда болды. Ең басында 5 тәуелсіз айнымалы болды: х1, х2, х3, х4, х5, бірақ олардың екеуі – х3 және х4 барлық модельден алынып тасталды. Бұл айнымалылар у көрсеткішін болжауға көмектеспейді. Сонда мәнді модельдер мыналар болады: I модель: у көрсеткіші тек х5 бойынша болжанады II модель: у көрсеткіші тек х1, х2 бойынша болжанады III модель: у көрсеткіші тек х2, х5 бойынша болжанады Осы модельдерден таңдау жүргізу үшін, көпмүшелі корреляция коэффициенттері мен қалдық дисперсия мәндерін формула бойынша табамыз. Модельдерді қалдықтардың стандартты ауытқуларын салыстыру арқылы жүргіземіз. Ауытқу неғұрлым аз болуы керек. Үшінші модель жарнама шығындары мен тұтыну шығындарының индексімен ең жақсы болып отыр, өйткені , ал екінші модель: жарнама шығындары мен уақыт моделінің . Соңғы қадам- екі айнымалысы бар ең жақсы модельді бір айнымалысы бар ең жақсы модельмен салыстыру. Корреляция шамасы бойынша ең жақсы модель ретінде бір айнымалысы барды таңдаймыз: R=0,82. егер бір тәуелсіз айнымалыны қосу модельді жақсартса, онда біз тексеру үшін жеке F-критериін қолданатын едік. Бұл критериі жарнама шығындарының шамасын енгізу модельді жақсартатынын көрсетеді және біз екі айнымалыны қолдануымыз керек: тұтыну шығындарының индексі жарнама шығындары. Өнім өткізу моделін болжау үшін соңғы модель: Өнім өткізу:=-1476+9,54х(жарнама)+15,8(индекс) (млн.тг.). Жарнама шығындары мен тұтыну шығындарының индексі үшін регрессия коэффициенті оң. Бұл мысал барлық статистикалық мәнді модельдің ішінен ең жақсы модельді таңдауды көрсетеді(көпмүшелі модельді анықтау әдістері көрсетілмеген) статистикалық модельдің мақсаты - өнім өткізуге жарнама мен тұтыну шығындарының индексінің изоляцияланған әсері бойынша ерекше ақпаратта көрсету емес, сату фармациясын түсіндіру. Жиынтық таңдауда осы немесе басқа айнымалы арасында қарама-қайшылық туындайды. Сондықтан регрессия коэффициенттері жеке айнымалыларда ерекше көңілмен қолданылуы керек. Ең соңында, талдау кезінде біз қателердің құрылымы мен көлемін тексеруіміз керек, сондықтан біз ең үлкен қателерді болжауымыз керек. Қателер келесі түрде есептеледі: Қате= өнім өткізудің нақты көлемі – модель бойынша есепті өткізу көлемі. №5 кесте
жүктеу/скачать 0,95 Mb. Достарыңызбен бөлісу:
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||