Регрессионный анализ исходных данных о тестах IQ, опыте работы и индексе эффективности 30 сотрудников компании Joseph Machine Company. Прогноз и исследование динамики объема продаж

Страницы работы

Содержание работы

Лабораторные работы по курсу:

«Методы статистической обработки данных»

Выполнил: Харченко И.Е.

Группа 504

Проверил: Буре В.М.

Санкт-Петербург

2009 год

Задача 1.16

Регрессионный анализ находит широкое применение в маркетинговых исследованиях, когда изучается взаимосвязь двух и более переменных.           

Компания Joseph Machine Company была озабочена улучшением процедуры подбора торгового персонала. Изучение информационных источников, касающихся эффективности работников торговли, показало, что главными причинами успеха часто оказываются опыт работы и интеллектуальные способности торгового представителя. По этой причине компания решила назначить тесты  коэффициентов интеллекта (IQ) всех торговых представителей. В качестве критерия эффективности использовался индекс объема продаж за год по отношению к территориальной квоте. ( Г.А. Черчилль «Маркетинговые исследования»)

Торговый

представитель

Индекс эффективности

Тест (IQ)

Время работы

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

120

107

102

94

96

105

99

115

77

100

116

122

87

109

95

92

91

102

120

94

98

101

97

101

97

98

112

115

111

97

128

99

92

80

97

113

86

84

114

113

91

80

88

82

91

83

84

113

84

98

114

111

108

85

91

91

80

102

113

91

79

49

82

63

99

64

73

86

60

56

118

104

50

111

78

62

75

83

116

103

54

90

76

72

75

80

88

85

107

110


Диаграммы корреляционного поля.

Построим диаграммы корреляционного поля для факторов  и .

Вычислим коэффициенты линейной регрессии и запишем получившиеся уравнения. Далее можно получить расчетные значения признака и построить графики остатков.

Уравнения линейной регрессии

                                              (1)

                                               (2)

График остатков и диаграмма корреляционного поля с линией регрессии.

Остальные параметры линейной регрессии приведем в следующей таблице.

Коэффициент корреляции и детерминации, средняя ошибка аппроксимации, результаты F-статистики и выводы по критерию Фишера. Стандартные ошибки параметров регрессии, соответствующие значения t-статистик.

Фактор

Фактор

Коэффициент корреляции

-0,0354

0,524482

Коэффициент детерминации

0,001253

0,275081

Средняя ошибка аппроксимации

0,083197

0,070588

F-статистика

0,035127

10,62502

Число степеней свободы

28

28

Стандартная ошибка коэффициента корреляции

-0,18742

3,259605

Стандартная ошибка коэффициента a

14,44445

7,169687

t-статистика для коэффициента a

7,270289

11,10358

Стандартная ошибка коэффициента b

0,148754

0,085434

t-статистика для коэффициента b

1,341837

3,259605

t-статистика для коэффициента регрессии

-0.1874

3.2596

Доверительный интервал a

(75.4, 134.6)

(-0.33, 0.28)

Доверительный интервал b

(64.92, 94.29)

(0.1, 0.45)

Критическое значение распределения Фишера в данном случае . Таким образом, можно сделать вывод, что уравнение (1) является статистически незначимым, и индекс эффективности (y) не связан с результатами теста IQ (x1). Аналогично уравнение (2) можно признать статистически значимым.

Выводы о статистической значимости найденных коэффициентов, а также доверительные интервалы параметров регрессии.

Проверим статистическую значимость коэффициентов регрессии. Критическое значение распределения Стьюдента . На основании критерия Фишера можно сделать вывод, что статистически незначимыми являются только коэффициент b уравнения (1) и коэффициент регрессии для фактора .

Значение точечного прогноза, ошибка точечного прогноза и доверительный интервал прогноза для значений факторов на 70% превышающих средние выборочные для каждого из факторов.

Фактор

Фактор

Среднее значение

96.2

81.6

Значение фактора

163,54

138.72

Значение прогноза

100.4559

118.24

Ошибка точечного прогноза

14.8352

10.5226

Доверительный интервал

70.0674

96.6856

130.8444

139.795

Выводы о принятии или отклонении гипотезы гомоскедастичности    наблюдений для каждой из регрессий.

По методу Гольдфельда – Квандта  - гипотеза гомоскедастичности принимается для обоих факторов. Построенная модель регрессии является эффективной.

Заключительный вывод.

В ходе работы был проведен регрессионный анализ исходных данных о тестах IQ, опыте работы и индексе эффективности 30 сотрудников компании Joseph Machine Company.

Так как получившаяся регрессионная модель оказалась статистически не значимой, то отсутствует взаимосвязь между результатами теста IQ и индексом эффективности каждого сотрудника. Гомоскедастичность исходных данных позволяет говорить об эффективности построенной модели.

Похожие материалы

Информация о работе