WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаМатематика, Геометрія, Статистика → Методи аналізу взаємозв’язків - Реферат

Методи аналізу взаємозв’язків - Реферат

Безперечно, така форма зв'язку між масою та зростом людини надто спрощена. Насправді збільшення маси не жорстко пропорційне до збільшення зросту. Люди одного зросту мають різну масу, проте в середньому зі збільшенням зросту маса зростає. Для точнішого відображення зв'язку між цими ознаками в рівняння слід увести другий параметр, який був би коефіцієнтом пропорційності при х, тобто Y = – 100 + bx.

Рівняння регресії в такому вигляді описує числове співвідношення варіації ознак х і у в середньому. Коефіцієнт пропорційності при цьому відіграє визначальну роль. Він показує, на скільки одиниць у середньому змінюється у зі зміною х на одиницю. У разі прямого зв'язку b — величина додатна, у разі оберненого — від'ємна.

Подаючи у як функцію х, тим самим абстрагуються від множинності причин, штучно спрощуючи механізм формування варіації у. Аналіз причинних комплексів здійснюється за допомогою множинної регресії.

Різні явища по-різному реагують на зміну факторів. Для того щоб відобразити характерні особливості зв'язку конкретних явищ, статистика використовує різні за функціональним видом регресійні рівняння. Якщо зі зміною фактора х результат у змінюється більш-менш рівномірно, такий зв'язок описується лінійною функцією Y = a + bx. Коли йдеться про нерівномірне співвідношення варіацій взаємозв'язаних ознак (наприклад, коли прирости значень у зі зміною х прискорені чи сповільнені або напрям зв'язку змінюється), застосовують нелінійні регресії, зокрема:

степеневу ;

гіперболічну ;

параболічну тощо.

Вибір та обґрунтування функціонального виду регресії ґрунтується на теоретичному аналізі суті зв'язку. Нехай вивчається зв'язок між урожайністю та кількістю опадів. Надто мала і надто велика кількість опадів спричинюють зниження врожайності, максимальний її рівень можливий за умови оптимальної кількості опадів, тобто зі збільшенням факторної ознаки (опади) урожайність спершу зростає, а потім зменшується. Залежність такого роду описується параболою Y = a + bx + cx2.

Вивчаючи зв'язок між собівартістю у та обсягом продукції х, використовують рівняння гіперболи , де а — пропорційні витрати на одиницю продукції, b — постійні витрати на весь випуск.

Зауважимо, що теоретичний аналіз суті зв'язку, хоча й дуже важливий, лише окреслює особливості форми регресії і не може точно визначити її функціонального виду. До того ж у конкретних умовах простору і часу межі варіації взаємозв'язаних ознак х і у значно вужчі за теоретично можливі. І якщо кривина регресії невелика, то в межах фактичної варіації ознак зв'язок між ними досить точно описується лінійною функцією. Цим значною мірою пояснюється широке застосування лінійних рівнянь регресії:

.

Параметр b (коефіцієнт регресії) — величина іменована, має розмірність результативної ознаки і розглядається як ефект впливу x на y. Параметр a — вільний член рівняння регресії, це значення y при x = 0. Якщо межі варіації x не містять нуля, то цей параметр має лише розрахункове значення.

Параметри рівняння регресії визначаються методом найменших квадратів, основна умова якого — мінімізація суми квадратів відхилень емпіричних значень y від теоретичнихY:

.

Математично доведено, що значення параметрів a та b, при яких мінімізується сума квадратів відхилень, визначаються із системи нормальних рівнянь:

,

.

Розв'язавши цю систему, знаходимо такі значення параметрів:

,

.

Розглянемо порядок обчислення параметрів лінійної регресії на прикладі зв'язку між урожайністю зернових і кількістю внесених добрив (у центнерах діючої поживної речовини — д. р.). Значення взаємозв'язаних ознак та необхідні для розрахунку параметрів величини наведено в табл. 7.3.

= 12; = 224; = 342,8; = 18,68;

= 12 : 8 = 1,5; = 224 : 8 = 28.

Таблиця 7.3

ДО РОЗРАХУНКУ ПАРАМЕТРІВ ЛІНІЙНОЇ РЕГРЕСІЇ, ТЕОРЕТИЧНИХ РІВНІВ І ЗАЛИШКОВИХ ВЕЛИЧИН

Номер господарства

Кількість внесених добрив х, д. р

Урожайність зернових у, ц/га

ху

х2

Y

y – Y

(y – Y)2

1

1,1

23

25,3

1,21

24

–1

1

2

1,4

25

35,0

1,96

27

–2

4

3

1,2

26

31,2

1,44

25

1

1

4

2,0

33

66,0

4,00

33

0

0

5

1,5

27

40,5

2,25

28

–1

1

6

1,3

2,8

36,4

1,69

26

2

4

7

1,8

30

54,0

3,24

31

–1

1

8

1,7

32

54,4

2,89

30

2

4

Разом

12,0

224

342,8

18,68

224

16

Користуючись цими величинами, визначаємо:

(ц/га);

.

Отже, рівняння регресії має вигляд

,

тобто кожний центнер внесених добрив (у перерахунку на діючу поживну речовину) дає приріст урожайності в середньому 10 ц/га. Якщо добрива зовсім не вносити (х = 0), то урожайність зернових не перевищить 13,0 ц/га.

Рівняння регресії відбиває закон зв'язку між х і у не для окремих елементів сукупності, а для сукупності в цілому; закон, який абстрагує вплив інших факторів, виходить з принципу "за інших однакових умов". За цих умов очікувана врожайність зернових при внесенні добрив у обсязі 1,1 ц д. р. на 1 га становить Y = 13 + 10  1,1 = 24 (ц/га). Для інших значень факторної ознаки х теоретичні рівні врожайності наведено в табл. 7.3. Вплив інших окрім х факторів зумовлює відхилення емпіричних значень у від теоретичних у той чи інший бік. Відхилення (yY) називають залишками і позначають символом е. Залишки, як правило, менші за відхилення від середньої, тобто .

У нашому прикладі

, .

Відповідно загальна дисперсія врожайності

,

залишкова дисперсія

.

У невеликих за обсягом сукупностях коефіцієнт регресії схильний до випадкових коливань. Тому слід перевірити його істотність. Коли зв'язок лінійний, істотність коефіцієнта регресії перевіряють за допомогою t-критерію (Стьюдента), статистична характеристика якого для гіпотези визначається відношенням коефіцієнта регресії b до власної стандартної похибки тобто .

Стандартна похибка коефіцієнта регресії залежить від варіації факторної ознаки залишкової дисперсії і числа ступенів свободи , де m — кількість параметрів рівняння регресії:

.

Для лінійної функції m = 2. За даними табл. 7.3 маємо:

.

Звідси (ц/га), а , що перевищує критичне значення двостороннього t-критерію (табл. 6.3). Гіпотеза про випадковий характер коефіцієнта регресії відхиляється, а отже, з імовірністю 0,95 вплив кількості внесених добрив на врожайність зернових визнається істотним.

Для коефіцієнта регресії, як і для будь-якої іншої випадкової величини, визначаються довірчі межі . У нашому прикладі довірчі межі коефіцієнта регресії з імовірністю 0,95 (t = 2,45) становлять .

Важливою характеристикою регресійної моделі є відносний ефект впливу фактора х на результат укоефіцієнт еластичності:

Loading...

 
 

Цікаве