Совокупность значений результативного признака у и соответствующие им значения факторных признаков х1, х2, х3, страница 3

у

х1

х2

х3

у

х

х1

0,185

x

х2

0,958

0,178

x

х3

0,97

0,073

0,76

x

Вывод: расчеты показывают, что самое большое влияние на результативный признак оказывает факторный признак х3, наименьшее – х1.

7. Расчет квадратической ошибки коэффициента корреляции

Если совокупность относится к однородной и нормально-распределенной, то ошибку коэффициента корреляции можно вычислить по формуле:

Таблица 6

у

х1

х2

х3

у

х

х1

0,26

x

х2

0,022

0,26

x

х3

0,016

0,27

0,113

x

8. Отбор факторных признаков

Определим факторный признак наиболее тесно связанный с результативным. Таковым признаком являются удельные трудозатраты на лесозаготовках (х3), так как коэффициент корреляции равен  0,97.

9. Нахождение и  статистическая оценка уравнения регрессии

Следует сделать предположение о линейной зависимости изучаемых признаков и записать уравнение линейной регрессивной зависимости:

Для определения параметров b0  и b1  в этом регрессивном уравнении надо решить следующую систему нормальных уравнений:

Чтобы получить коэффициент системы уравнений составим рабочую таблицу.


Таблица 7

х3

у

х3y

х32

у=b0+b1x3

350

3200

1120000

122500

2458,86

390

4000

1560000

152100

3535,14

440

4200

1848000

193600

4880,49

460

5400

2484000

211600

5418,63

480

5600

2688000

230400

5956,77

480

5800

2784000

230400

5956,77

510

6200

3162000

260100

6763,98

520

6400

3328000

270400

7033,05

520

7200

3744000

270400

7033,05

530

7400

3922000

280900

7302,12

540

7600

4104000

291600

7571,19

580

8600

4988000

336400

8647,47

590

9100

5369000

348100

8916,54

640

9600

6144000

409600

10261,89

640

11700

7488000

409600

10261,89

7670

102000

54733000

4017700

102000

Подставим в систему полученные данные:

15 * b0b1 * 7670 = 102000

b0 * 7670  +  b1 * 4017700 = 54733000

Решив систему уравнения получаем:

b0=-6958,59

b1=26,907

Проведем проверку: =102000

Уравнение линейной регрессионной зависимости будет выглядеть так: