3. Среди табличных опций выделить следующие: AnalysisSummary, ComparisonofAlternativeModels (Суммарный итог, сравнение альтернативных моделей). В первой таблице приводятся результаты расчета коэффициентов регрессионного уравнения, стандартные отклонения каждого коэффициента, значения статистик (табл.5).
Таблица 5. Результат регрессионного анализа
Regression Analysis - Linear model: Y = a + b*X
-----------------------------------------------------------------------------
Standard T
Parameter Estimate Error Statistic P-Value
-----------------------------------------------------------------------------
Intercept -289,341 1090,35 -0,265364 0,7937
Slope 1,04594 0,0667915 15,6598 0,0000
-----------------------------------------------------------------------------
Консультант дает следующее пояснение:
Выход показывает результаты подгонки модели простой линейной регрессии для описания связи между переменными sales и Adjusted. Уравнение подогнанной модели имеет вид:
sales = -289,341 + 1,04594*ADJUSTED.
Вследствие того, что Р-значение в таблице итогового анализа меньше, чем 0,01, то имеется статистически значимая связь между переменными при доверительном уровне 99%.
R-Squared статистика определяет, что подогнанная модель объясняет 93,16% всей вариации переменной sales.
В таблице сравнения альтернативных моделей (табл.6) приводятся различные виды моделей и значения коэффициента R-Squared (коэффициента детерминации) для этих моделей. Чем больше величина этого коэффициента, тем лучше выбранная модель объясняет вариации в переменной sales.
Таблица 6. Сравнение различных моделей
Comparison of Alternative Models
--------------------------------------------------
Model Correlation R-Squared
--------------------------------------------------
Multiplicative 0,9667 93,44%
Linear 0,9652 93,16%
Square root-Y 0,9601 92,19%
Double reciprocal 0,9590 91,96%
Square root-X 0,9582 91,81%
Exponential 0,9402 88,41%
Logarithmic-X 0,9332 87,08%
S-curve -0,9264 85,82%
Reciprocal-Y -0,8627 74,42%
Reciprocal-X -0,8408 70,69%
Из табл.6 видно, что лучшей моделью для подгонки этих данных является мультипликативная модель.
Для просмотра результатов подгонки данных различными моделями необходимо нажать правую клавишу мыши и в появившемся окне указать: AnalysisOptions (Анализ опций). В результате всплывает окно опций простой регрессии с различными типами моделей, показанное на рис.10.
Рис.10. Окно опций простой регрессии
4. Среди графических опций выделить PlotofFittedModel (График подогнанной модели) иResidualsversusRowNumber (Остатки в зависимости от номера строки). Эти графики показаны на рис.11 и 12, соответственно.
Рис.11. График подогнанной модели
Рис.12. График остатков
Приведенные графики (для линейной модели) показывают, что выбранная модель не противоречит данным: значение коэффициента R-Squared (коэффициента детерминации) здесь составляет 93,16%, а остатки имеют разные знаки отклонений от исходных данных, что, в свою очередь, не противоречит гипотезе о нормальном законе распределения остатков.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.