Тема: Регрессия

Оценка значимости коэффициентов регрессии . Выдвигается и проверяется гипотеза о том что истинное значение коэффициента регрессии =0. Для проверки гипотезы используется критерий Стьюдента.

В упорядоченных по возрастанию переменной X исходных данных () выделим первые 4 и последние 4 уровня, средние 2 уровня не рассматриваем. С помощью программы РЕГРЕССИЯ построим модель по первым четырем наблюдениям ( регрессия -1), для этой модели...

Далее с помощью инструмента Регрессия рассчитываю параметры уравнения (рисунки 8, 9). Рисунок 8 Диалоговое окно Регрессия . Рисунок 9 Результаты расчета параметров степенной функции. Таким образом, уравнение регрессии имеет вид

Регрессия оказалась значима по критериям Стьюдента и Фишера. R^2 высокий. Регрессия не обладает автокорреляцией (по коэффициенту автокорреляции и статистике Дарбина-Уотсона), сезонность не наблюдается.

- в появившемся диалоговом окне Регрессия ввести входные данные в поля Входной интервал Y (X6) и Входной интервал X (X4) и щелкнуть по полю Метки, чтобы заголовки не вошли в интервалы данных

Итак, уравнение линейной регрессии является лучшим уравнением регрессии , применительно к данной задаче. Оно статистически надежно, обладает невысокой ошибкой аппроксимации и умеренным коэффициентом корелляции.

...изменение Y от наблюдения к наблюдению вызвано изменением X, и смогли бы точно вычислить b. Однако в действительности каждое изменение Y отчасти вызвано изменением u, и это значительно усложняет жизнь. 5. Регрессия по методу наименьших квадратов.