Санкт-Петербургский государственный университет
Факультет прикладной математики – процессов управления
МЕТОДЫ СТАТ. ОБРАБОТКИ ИНФОРМАЦИИ
Задание 2.4
Преподаватель: Буре В.М.
Выполнила: Салахиева Марина
Санкт-Петербург
2010
Регрессионный анализ находит широкое применение в маркетинговых исследованиях, когда изучается взаимосвязь двух и более переменных. Рассмотрим изготовителя шариковых ручек Click, который заинтересован в исследовании эффективности маркетинговых усилий своей фирмы. Компания использует оптовых торговцев для реализации продукции Click и в дополнение к их усилиям прибегает к персональным продажам и коротким рекламным телероликам. Компания планирует использовать в качестве меры оценки эффективности ежегодный объем продаж по территориям. ( Г.А. Черчилль «Маркетинговые исследования»)
Территория |
Продажа (тыс. долларов) |
Телевизионная реклама (число показов в месяц) |
Число торговых представителей |
005 019 033 039 061 082 091 101 115 118 133 149 162 164 178 187 189 205 222 237 242 251 260 266 279 298 306 332 347 358 |
270,9 282,8 269,0 415,8 437,5 316,9 563,9 574,8 421,8 316,3 405,4 224,0 348,6 643,2 525,4 320,5 424,8 344,0 451,4 423,8 245,1 502,3 372,3 267,1 625,6 452,5 275,1 362,0 556,8 571,0 |
5 8 7 10 12 7 11 16 13 5 10 5 9 19 20 10 12 7 14 14 2 16 9 4 18 18 4 8 11 13 |
4 6 2 5 8 4 7 9 4 2 6 5 4 8 6 3 5 3 4 5 4 7 5 3 6 5 3 6 6 6 |
Уравнение линейной регрессии: y(x1) = 182.0332 + 21.292125.x1
коэффициент корреляции rxy = 0.8576
коэффициент детерминации R2 = 0.7355
Построенное уравнение линейной регрессии статистически значимо т.к. F = 77.859 а критическая точка по таблице распределения Фишера 4,1959. Следовательно, существует линейной зависимости между объемом продаж и числом показов рекламы в месяц, причем связь достаточно высокая (коэффициент детерминации ).
Пользуемся критерием Жарка-Бера для проверки гипотезы о нормальном распределении остатков, коэффициент JB = 2.9209 значение по таблице распределения χ2 примерно 5.99. Сравнив значения, делаем вывод, что остатки подчиняются нормальному закону распределения.
Проверяем статистическую значимость коэффициентов a и b:
Стандартные ошибки параметров регрессии, соответствующие значения t-статистик:
ma = 27.964
mb =2.413
ta=6.5095,
tb=8.8237,
tкрит=2.0484.
После сравнения данных статистик, приходим к тому, что коэффициенты а и b статистически значимы.
Доверительные интервалы и прогноз:
124.7511 ≤ α ≤ 239.3153
16.34924 ≤ β ≤ 26.23501
При XP =29.058 Yp=800.7469 или можно рассмотреть оценку 669.75 ≤ Yp ≤ 931.7436.
Вывод: Согласно построенной модели регрессии между выручкой от продаж и числом показов рекламы в месяц существует линейная зависимость, причем связь достаточно высокая (коэффициент детерминации ).
Уравнение линейной регрессии: y(x2) = 159.69+49.1384.х2
коэффициент корреляции rxy = 0.71623
коэффициент детерминации R2 = 0.513
Построенное уравнение линейной регрессии статистически значимо т.к. F = 29.4936 а критическая точка по таблице распределения Фишера 4,1959. Следовательно, существует линейная зависимость между объемом продаж и числом показов рекламы в месяц, причем связь достаточно высокая (коэффициент детерминации ).
Пользуемся критерием Жарка-Бера для проверки гипотезы о нормальном распределении остатков, коэффициент JB = 0.53836 значение по таблице распределения χ2 примерно 5.99. Сравнив значения, делаем вывод, что остатки подчиняются нормальному закону распределения.
Проверяем статистическую значимость коэффициентов a и b:
Стандартные ошибки параметров регрессии, соответствующие значения t-статистик:
ma = 48.134
mb =9.0481
ta=3.31763,
tb=5.4308,
tкрит=2.0484.
После сравнения данных статистик, приходим к тому, что коэффициенты а и b статистически значимы.
Доверительные интервалы и прогноз:
61.09 ≤ α ≤ 258.287
30.604 ≤ β ≤ 67.67
При XP =13.8416 Yp=839.847 или можно рассмотреть оценку 661.8033 ≤ Yp ≤ 1017.8916.
Вывод: Согласно построенной модели регрессии между выручкой от продаж и числом показов рекламы в месяц существует линейная зависимость, причем связь достаточно высокая (коэффициент детерминации ).
3. Построим множественную регрессию показателя на все факторы и проверим статистическую значимость коэффициентов и уравнения в целом.
Уравнение множественной регрессии имеет следующий вид:
y(x) = 127,289 +16,68.x1+20,56.x2
Коэффициент детерминации R2=0,7907
Посчитаем статистику F=51.0281. После сравнения ее с критическим значением Fтабл = 3,3541, делаем вывод: построенное уравнение множественной регрессии статистически значимо.
Пользуемся критерием Жарка-Бера для проверки гипотезы о нормальном распределении остатков, коэффициент JB = 1.3596 значение по таблице распределения χ2 примерно 5.99. Сравнив значения, делаем вывод, что остатки подчиняются нормальному закону распределения.
Проверяем статистическую значимость коэффициентов a,b1,b2:
ta=3,907,
tb1=5,988,
tb2=2,67,
tкрит=2.05.
Из сравнения данных статистик видно, что коэффициенты
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.