WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 10 |

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel Коэффициенты регрессии b1 и b2 следует рассматривать как степень влияния каждой из переменных (присутствие бабушек с внучками и вклад коммерческого таланта Шарика) на размер продажи, если все другие независимые переменные остаются неизменными. Так, коэффициент b1, равный 0,06, указывает, что (при прочих равных условиях) повышение доли бабушек с внучками на 1 % приводит к возрастанию продажи молока на 0,06 литров в день. Анализируя коэффициент b2, можно заметить, что увеличение относительного участия Шарика на 1 % приводит также к повышению продажи, этот прирост составляет почти такую же величину - 0,07 л/день.

Еще раз заметим, что все названные коэффициенты регрессии отражают влияние на исследуемый параметр у только какой-то одной переменной х при непременном условии, что все другие переменные (факторы) не меняются. Например, применительно к коэффициенту b2 это нужно понимать так:

указанное влияние коммерческой помощи Шарика проявляется при условии, когда сохраняется среди покупателей неизменной доля старушек с внучками.

3.3. Ошибки прогнозирования (определение качества регрессионного анализа) Можно воспользоваться двумя приемами для оценки добротности выполненного нами регрессионного анализа. В статистике для этого используют:

- стандартную ошибку (Sу), которая дает представление о приблизительной величине ошибки прогнозирования;

- коэффициент детерминации (R2), указывающий, какой процент вариации функции у объясняется воздействием факторов хk.

Рассмотрим оба подхода более подробно.

1. Результаты статистического расчета показывают, что стандартная ошибка для функции составляет 0,65. Этот результат применительно к нашеГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ му примеру следует рассматривать следующим образом: фактическая величина объема продаж молока отличается от прогнозируемых показателей не более чем на 0,65 л/день. Однако ценность этого показателя невелика, если не надежность этого утверждения. При условии сохранения нормального распределения можно полагать, что примерно 2/3 фактических данных будут находиться в пределах S у от прогнозируемых показателей; примерно 95 % - в пределах 2S у и т.д.

Эта стандартная ошибка Sу, равная 0,65, указывает отклонение фактических данных от прогнозируемых на основании использования воздействующих факторов х1 и х2 (влияние среди покупателей бабушек с внучками и высокопрофессионального вклада Шарика). В то же время мы располагаем обычным стандартным отклонением Sn, равным 1,06 (см. табл.8), которое было рассчитано для одной переменной, а именно: сами текущие значения уiи величина среднего арифметическогоу, которое равно 6,01. Легко видеть, что Sу < Sn; следовательно, ошибки прогнозирования, как правило, оказываются меньшими, если использовать уравнение регрессии (учитывается вклад факторов х1 и х2), а не ограничиваться только значениему.

Сказанное можно истолковать следующим образом. Если бы нам ничего не было известно про переменные х1 и х2, то в качестве оптимальной приблизительной величины среднего уровня продаж пришлось бы использовать показатель у = 6,01 л/день и полагать, что наши прогнозы дают ошибку Sn, равную 1,06 л/день. Однако если нам известны такие характеристики, как влияние особой категории покупателей (бабушки с внучками) и роль высококвалифицированной помощи Шарика, то для прогнозирования можно воспользоваться уравнением регрессии. В этом случае наши предсказания будут давать ошибку уже примерно в 0,65 л/день.

Такое сокращение погрешности прогнозирования с 1,06 до 0,65 и является одним из преимуществ использования регрессионного анализа.

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel 2. Если вновь обратиться к нашему примеру, то коэффициент детерминации R2 (на рис.17 славный Excel его подает как R-квадрат) равен 0,67, что составляет 67 %. Этот результат следует толковать так: все исследуемые воздействующие факторы (влияние особой категории покупателей и коммерческий талант Шарика) объясняют 67 % вариации анализируемой функции (объема проданного молока). Остальное же (33 %, что весьма прилично!) остается необъясненным и может быть связано с влиянием других, неучтенных факторов.

Для нашего примера показатель R2 (67 %) считается умеренным, поэтому можно полагать, что именно эти два фактора в данном конкретном случае оказывают наиболее значительное влияние на y.

Итак, нами получено уравнение множественной регрессии, коэффициенты которого bi формально показывают, как и в каком направлении действуют (пока лишь вероятно!) исследуемые факторы хk i и какой процент изменчивости функции у объясняется влиянием именно этих факторов.

Теперь нам надлежит определить статистическую значимость полученного аналитического выражения.

3.4. Проверка значимости модели При проверке значимости модели принято придерживаться следующей последовательности действий:

1. Сначала выполняется общая проверка полученного уравнения на пригодность.

2. Если результат оказался положительным (уравнение значимо), то проверяют на значимость уже каждый коэффициент уравнения регрессии bi.

3. Дается сравнительная оценка степени влияния каждого из анализируемых факторов хk.

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ 3.4.1. Проверка на адекватность уравнения регрессии Статистическую оценку полученного уравнения (так называемый статистический вывод) принято начинать с проведения F-теста, целью которого является выяснение способности исследуемых факторов хk объяснять значимую часть колебания функции у. Этот тест используется как своеобразные «входные ворота» в статистический вывод: если результат теста значим, то связь существует, значит приступать к ее исследованию и объяснению.

Если проверка указывает на незначимость связи, то заключение лишь одно:

мы имеем дело с набором случайных чисел, никак не связанных между собой. И больше делать нечего, так как нет предмета для анализа.

Заметим при этом, что сам формальный факт отсутствия значимости на деле может и не соответствовать отсутствию взаимосвязи как таковой.

Просто в указанных обстоятельствах у нас не хватило экспериментальных данных доказать, что такая связь вообще-то есть. Иначе говоря, она может и быть, но из-за малого размера выборки или какой-либо случайности нам не удалось ее доказать на основании тех опытных данных, которые были в нашем распоряжении.

Использование так называемой нулевой гипотезы для F-теста означает, что между переменными хk и у значимая связь отсутствует. Следовательно, признается, что параметр у является чисто случайной величиной, поэтому значения переменных хk не оказывают на него никакого систематического влияния. Применительно к уравнению регрессии это утверждение можно трактовать как случай, когда все коэффициенты уравнения равны нулю.

С другой стороны, альтернативная гипотеза F-теста говорит о том, что между параметром у и переменными хk существует определенная прогнозирующая взаимосвязь. Следовательно, параметр у уже не является чисто случайной величиной и должен зависеть хотя бы от одной из переменных хk. Тем самым альтернативная гипотеза настаивает на том, что ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel Тем самым альтернативная гипотеза настаивает на том, что по крайней мере один из коэффициентов регрессии отличен от нуля. Как видно, здесь принимается во внимание следующее обстоятельство: совершенно необязательно, чтобы каждая х-переменная влияла на параметр у, вполне достаточно, чтобы влияла хотя бы одна из них.

Для выполнения F-теста воспользуемся результатами компьютерного расчета, который исполнил замечательный Excel. Здесь обычно рекомендуются следующие приемы.

1. Решение принимается на основе критерия Фишера.

Это достаточно традиционный способ, им привычно пользуются при статистических анализах, хотя по удобству и простоте он может уступать другим методам.

Обычно F-тест проводится путем сопоставления вычисленного значения F-критерия с эталонным (табличным) показателем Fтабл для соответствующего уровня значимости. Если выполняется неравенство Fрасч < Fтабл, то с уверенностью, например на 95 %, можно утверждать, что рассматриваемая зависимость у = b0 + b1x1 + b2x2 +…+ bkxk является статистически значимой. В противном случае наоборот.

2. Решение принимается на основе уровня значимости.

Для этого обратим внимание на представленные значения уровня значимости (в интерпретации Excel это показатель р). Если р-значение больше, чем 0,05, то полученный результат нужно трактовать как незначимый (для 95-процентной вероятности). В том случае, когда величина р оказывается меньше 0,05, то вывод такой: это значимое уравнение с вероятностью 95%.

Если же р < 0,01, то полученный результат является высоко значимым, (степень риска ошибиться в нашем утверждении оказывается меньше 1 %, т.е.

степень надежности составляет 99 %) 3. Решение принимается на основе коэффициента детерминации R2.

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ В этом случае имеющуюся расчетную величину R2 (это то, что нам расч выдал Excel, см. рис.18) необходимо сравнить с табличными (критическими) значениями R2 для соответствующего уровня значимости (повторим еще крит раз, обычно это 0,05). Если окажется, что R2 > R2, то с упомянутой стерасч крит пенью вероятности (95 %) можно утверждать, что анализируемая регрессия является значимой.

Теперь проанализируем наше уравнение с использованием рассмотренных статистических критериев.

1. Проведем проверку по F-критерию. Компьютерная распечатка выдала нам величину Fрасч, равную 16,99 (см. лист Excel на рис.18). С учетом сделанных замечаний (стр.36) для анализа уравнения будем пользоваться величиной Fрасч, обратной представленной Excel. Она составит 1:16,99 = 0,06.

Отыщем по эталонной таблице (прил.3) критическую величину Fкрит при условии, что для числителя степень свободы f1 = k, т.е. составит 2 (число воздействующих факторов равно 2), а для знаменателя f2 = n - k- 1 = 20 - 2 - - 1= 17. Тогда будем иметь следующие значения для Fкрит: 3,6 (для = 0,05), 6,2 ( = 0,01) и 10,5 ( = 0,001). Понятно, что для всех рассмотренных вероятностей выполняется соотношение Fрасч < Fкрит, поэтому уверенно можно говорить о высокой степени адекватности анализируемого уравнения.

2. Теперь выполним проверку с использованием уровня значимости (еще раз напомним, что Excel этот показатель именует как р). На рис.18, где дано изображение листа Excel, находим позицию «Значимость F». Там указана величина 8,84Е-5, т.е. это число 8,84, перед которым стоит 5 нулей. Фактически можно признать, что = 0,000. Это говорит о том, что действительно обнаруживается устойчивая зависимость рассматриваемой функции у (величины продажи молока) от воздействующих факторов х1 и х2, т.е. объем реализации не является чисто случайной величиной. Правда, нам пока неизвестно, какие именно факторы (оба х1 и х2 или какой-то один из них) реально ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel участвует в прогнозировании, но нам доподлинно понятно, что по крайней мере один из них влияет непременно.

3. Напомним, что, по нашим расчетам, коэффициент детерминации R2 составляет 0,67, или 67 %. Таблица для тестирования на уровне значирасч мости 5 % в случае выборки n = 20 и числа переменных k = 2 дает критическое значение R2 = 0,297 (прил.4). Поскольку выполняется соотношение крит R2 > R2, то с вероятностью 95 % можно утверждать о наличии значиморасч крит сти данного уравнения регрессии.

Кстати заметим, что для наших обстоятельств (n = 20, k = 2) можно оценить критическое значение R2 для =0,01 (высокая значимость) и = крит = 0,001 (высшая степень значимости). В этом случае R2 составляет крит соответственно 0,384 и 0,517, что, как видно, все равно остается меньше расчетного показателя R2, т.е. 0,67. Из чего следует заключить, что обсуждаерасч мое нами уравнение действительно характеризуется очень высокой степенью значимости.

Как видно, все три рассмотренных приема статистической проверки дают одинаковый результат. В этом примере мы воспользовались подобным разнообразием способов анализа только с одной целью – дать представление о существующих методах такой проверки. На практике же нет нужды проводить статистическую оценку с использованием всех указанных вариантов.

Вполне разумно (да и экономично) ограничиться каким-то одним методом.

Каким именно Более распространенным методом считается выполнение проверки по F-критерию.

Итак, нами проведена проверка на значимость самого уравнения, т.е.

мы понимаем, что существует взаимосвязь между параметром у и переменными хk. Однако нам пока неясно, каково влияние конкретных факторов х1 и х2 на исследуемую функцию у: действуют ли оба фактора или только какойто один из них. Поэтому предстоит определить значимость отдельных коэфГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ фициентов регрессии b1 и b2. Для этой цели используется так называемый tтест.

3.4.2. Проверка на адекватность коэффициентов регрессии Проверку на адекватность коэффициентов регрессии рекомендуется проводить по следующим эквивалентным методам.

1. Использование t-критерия. Необходимые расчеты делает исполнительный Excel, который выдает соответствующую компьютерную распечатку с обозначением значений показателя t. Анализируемый коэффициент считается значимым, если его t-критерий по абсолютной величине превышает 2,(точнее 1,96), что соответствует уровню значимости 0,05. В нашем примере имеем для коэффициентов b0, b1 и b2 следующие показатели критерия Стьюдента: tb0 = 2,09; tb1 = 2,59 и tb2 = 2,57. Из всего вышесказанного следует, что значимыми оказываются все коэффициенты нашего уравнения.

2. Использование уровня значимости. В этом случае оценка проводится путем анализа показателя р, т.е. уровня значимости. Коэффициент признается значимым, если рассчитанное для него р-значение (эти данные выдает Excel) меньше (или равно) 0,05 (т.е. для 95 %-ной доверительной вероятности). Показатель р составляет для коэффициентов b0, b1 и b2 следующие величины: р b0 = 0,05; р b1= 0,02 и р b2 = 0,02.

Эти данные позволяют также заключить, что все рассмотренные коэффициенты статистически значимы. Иначе говоря, можно сделать вывод о неслучайном характере влияния всех изученных параметров.

Таким образом, проверка обоими методами дает вполне согласованные результаты. Поэтому в окончательном виде наше уравнение регрессии (для уровня значимости 0,05) следует записать так: = 1,61 + 0,06 x1 + 0,07 x2.

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 10 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.