Парная регрессия
Cтраница 3
Оценка тесноты связи между результативным признаком и всеми факторными признаками производится с помощью совокупного коэффициента детерминации, который вычисляется по той же формуле, что и в парной регрессии. [31]
Частная корреляция второго порядка зависимости у с факторами Х, х2 и х3 оказалась значительно более низкой - 0 505; 0 362 и 0 261 против 0 69; 0 58 и 0 55 для парной регрессии. [32]
Частная корреляция второго порядка зависимости у с факторами х, х2 и х3 оказалась значительно более низкой - 0 505; 0 362 и 0 261 против 0 69; 0 58 и 0 55 для парной регрессии. [33]
Прежде всего из всего круга факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы. Парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной. В этом случае необходимо знать, какие остальные факторы предполагаются неизменными, возможно, в дальнейшем их придется учесть в модели и от простой регрессии перейти к множественной. [34]
Что касается коэффициента регрессии при xit то он показывает среднее снижение рентабельности при росте расхода кормов на 1 ц и при условии неизменности продуктивности животноводства. То есть парная регрессия, как и простая аналитическая группировка, указывает на прямую связь между рентабельностью животноводства и уровнем кормления скота. [35]
Из анализа полученных результатов видно, что наибольшей погрешностью обладают уравнения парной регрессии, связывающие цены на теплообменные аппараты с их поверхностями теплообмена. Более точны уравнения парной регрессии, связывающие цены с массой теплообменников. И, наконец, наибольшая точность присуща уравнениям множественной регрессии, связывающим цену одновременно с обоими параметрами. [37]
При прямолинейной форме они имеют следующий вид: уравнение парной регрессии: К. [38]
 |
Технологическая цепь. [39] |
Хп -, Хп нормальны; их совместная плотность в любых сочетаниях также нормальна; соответственно множественные и парные регрессии линейны. [40]
Эта операция проводится с помощью инструмента анализа данных Регрессия. Она аналогична расчету параметров парной линейной регрессии, описанной в 1 - м разделе практикума, 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. [41]
При г 1 существуют полные положительные или отрицательные корреляции. Следует отметить, что использование полученных результатов для выборок малого объема не гарантирует от ошибочно интерпретируемых выводов. Поэтому, как правило, дополнительно проводится проверка значимости коэффициентов парной регрессии при допущении нормальности выборки данных, которая обычно определяется с помощью t критерия Стьюдента. [42]
Что касается выбора формы уравнения множественной регрессии, то, как и в парной регрессии, решение этой задачи базируется прежде всего на качественном анализе. Однако следует учитывать, что в многофакторных моделях речь идет о форме условных линий регрессии. Проанализировать теоретически их форму в предположении, что значения других факторных признаков зафиксированы, гораздо труднее, чем в моделях парной регрессии. [43]
В табл. 3.2 приведены три значения / - критерия. В первой строке показан общий / - критерий. Он составил 19 3 и характеризует значимость двухфакторного уравнения регрессии в целом. Вторая величина F - 22 0 характеризует значимость парной регрессии у а Ь Х при условии, что остаточная дисперсия совпадает с величиной остаточной дисперсии для множественной регрессии. [44]
В табл. 3.2 приведены три значения F-критерия. В первой строке показан общий / - критерий. Он составил 19 3 и характеризует значимость двухфакторного уравнения регрессии в целом. Вторая величина F - 22 0 характеризует значимость парной регрессии у а Ь Х при условии, что остаточная дисперсия совпадает с величиной остаточной дисперсии для множественной регрессии. [45]
Страницы: 1 2 3 4