- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Этапы расчета прогнозных значений с помощью корреляционно-регрессионного анализа (многофакторная модель) презентация
Содержание
- 1. Этапы расчета прогнозных значений с помощью корреляционно-регрессионного анализа (многофакторная модель)
- 2. Исходные данные На основе статистических данных, представленных
- 3. Исходные данные
- 4. После сбора информации и анализа исходных данных,
- 5. !!! Одним из условий регрессионной модели является
- 6. Для проведения корреляционного анализа можно воспользоваться пакетом
- 7. Последовательность этапов
- 8. Последовательность этапов Диалоговое окно «Корреляция»:
- 9. Последовательность этапов В диалоговом окне «Корреляция» выберите:
- 10. Последовательность этапов В диалоговом окне «Корреляция» выберите:
- 11. Последовательность этапов Результаты корреляционного анализа
- 12. Последовательность этапов На основе анализа матрицы оценок
- 13. Далее необходимо провести регрессионный анализ, для этого
- 14. Последовательность этапов
- 15. Последовательность этапов Диалоговое окно «Регрессия»:
- 16. Последовательность этапов В диалоговом окне «Регрессия» выберите:
- 17. Последовательность этапов В диалоговом окне «Регрессия» выберите:
- 18. Последовательность этапов В диалоговом окне «Регрессия» выберите:
- 19. Последовательность этапов Результаты регрессионного анализа
- 20. Главная цель регрессионного анализа – это выявление
- 21. Последовательность этапов Полученные значения t-статистика
- 22. Для того чтобы рассчитать t-критерий Стьюдента, необходимо воспользоваться в MS Excel функцией «СТЬЮДРАСПОБР». Последовательность этапов
- 23. Рассчитанный t-критерий Стьюдента Последовательность этапов
- 24. Если |tстат. | < tкр. Ст. значит,
- 25. По результатам регрессионного анализа при сравнении расчётных
- 26. Так как фактор Х1 является несущественным, следовательно,
- 27. Результаты заново проведенного регрессионного анализа Последовательность этапов
- 28. Далее заново определяем какие факторы являются существенными,
- 29. Заново пересчитываем t-критерий Стьюдента, воспользовавшись в MS Excel функцией «СТЬЮДРАСПОБР». Последовательность этапов
- 30. Рассчитанный t-критерий Стьюдента Последовательность этапов
- 31. По результатам повторного регрессионного анализа при сравнении
- 32. Также результатом регрессионного анализа являются рассчитанные коэффициенты уравнения регрессии. Последовательность этапов Коэффициенты уравнения регрессии
- 33. Последовательность этапов Таким образом, уравнение регрессии имеет
- 34. Последовательность этапов Для прогнозирования значений факторов Х2 и Х3 необходимо использовать метод прогнозной экстраполяции.
- 35. Построение графика исходного временного ряда для фактора Х2. Последовательность этапов
- 36. Выбор типа тренда. Последовательность этапов
- 37. Последовательность этапов Более точные значения прогнозируемой переменной
- 38. Последовательность этапов
- 39. Рассчитаем прогнозные значения фактора Х2 Последовательность этапов
- 40. Прогнозные значения фактора Х2 Последовательность этапов
- 41. Построение графика исходного временного ряда для фактора Х3. Последовательность этапов
- 42. Выбор типа тренда. Последовательность этапов
- 43. Последовательность этапов Более точные значения прогнозируемой переменной
- 44. Последовательность этапов
- 45. Рассчитаем прогнозные значения фактора Х3 Последовательность этапов
- 46. Прогнозные значения фактора Х3 Последовательность этапов
- 47. После определения прогнозных значений факторов Х2 и
- 48. Последовательность этапов Коэффициенты уравнения регрессии Прогнозные значения факторов Х2 и Х3
- 49. Последовательность этапов Коэффициенты уравнения регрессии Прогнозные значения факторов Х2 и Х3
- 50. Таким образом, прогнозные значения исследуемой характеристики У
Исходные данные На основе статистических данных, представленных в таблице, выявить причинно-следственные зависимости между показателями, количественно оценить тесноту связи и рассчитать прогнозные значения на последующие два месяца.
Слайд 1ЭТАПЫ РАСЧЕТА ПРОГНОЗНЫХ ЗНАЧЕНИЙ С ПОМОЩЬЮ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА (МНОГОФАКТОРНАЯ МОДЕЛЬ)
Слайд 2Исходные данные
На основе статистических данных, представленных в таблице, выявить причинно-следственные зависимости
между показателями, количественно оценить тесноту связи и рассчитать прогнозные значения на последующие два месяца.
Слайд 4После сбора информации и анализа исходных данных, первоначально необходимо произвести корреляционный
анализ, путем построения матрицы коэффициентов парной корреляции, отражающей тесноту связи между показателями.
Последовательность этапов
Слайд 5!!! Одним из условий регрессионной модели является предположение о функциональной независимости
объясняющих переменных. Высокая корреляция между входными переменными модели (Х) множественной линейной регрессии называется мультиколлинеарностью.
Мультиколлинеарность вызывает неустойчивость работы модели, когда коэффициенты регрессии сильно меняются даже при незначительном изменении исходных данных.
Считают явление мультиколлинеарности в исходных данных установленным, если коэффициент парной корреляции между двумя переменными больше 0,8. Для борьбы с данным явлением используются различные методы, такие как исключение сильно коррелированных переменных, комбинирование переменных и др.
Мультиколлинеарность вызывает неустойчивость работы модели, когда коэффициенты регрессии сильно меняются даже при незначительном изменении исходных данных.
Считают явление мультиколлинеарности в исходных данных установленным, если коэффициент парной корреляции между двумя переменными больше 0,8. Для борьбы с данным явлением используются различные методы, такие как исключение сильно коррелированных переменных, комбинирование переменных и др.
Последовательность этапов
Слайд 6Для проведения корреляционного анализа можно воспользоваться пакетом анализа MS Excel, выбрав
вкладку «Данные» => «Анализ данных» => «Корреляция».
Последовательность этапов
Слайд 9Последовательность этапов
В диалоговом окне «Корреляция» выберите:
1. Входной интервал:
все исходные данные,
включая У и все
факторы Х
* Для наглядности и удобства выделять данные необходимо с названием столбца, для этого в диалоговом окне необходимо поставить следующую галочку
Слайд 10Последовательность этапов
В диалоговом окне «Корреляция» выберите:
3. Выходной интервал
(выбираем любую
свободную ячейку,
чтобы расчеты были
на текущей странице)
4. Нажимаем «ОК»
Слайд 12Последовательность этапов
На основе анализа матрицы оценок коэффициентов парной корреляции можно сделать
вывод о том, что в рассматриваемом примере явления мультиколлинеарности не наблюдается, что свидетельствует об отсутствии функциональной зависимости между переменными.
Слайд 13Далее необходимо провести регрессионный анализ, для этого можно воспользоваться пакетом анализа
MS Excel, выбрав вкладку «Данные» => «Анализ данных» => «Регрессия».
Последовательность этапов
Слайд 16Последовательность этапов
В диалоговом окне «Регрессия» выберите:
1. Входной интервал У:
фактические значения
У
из исходной таблицы
* Для наглядности и удобства выделять данные необходимо с названием столбца, для этого в диалоговом окне необходимо поставить следующую галочку
Слайд 17Последовательность этапов
В диалоговом окне «Регрессия» выберите:
2. Входной интервал Х:
значения всех
факторов Х
из исходной таблицы
из исходной таблицы
Слайд 18Последовательность этапов
В диалоговом окне «Регрессия» выберите:
3. Выходной интервал
(выбираем любую
свободную ячейку,
чтобы расчеты были
представлены
на текущей странице)
4. Нажимаем «ОК»
Слайд 20Главная цель регрессионного анализа – это выявление существенных факторов (Х), влияющих
на исследуемый показатель (У).
Для того, чтобы определить, какие факторы являются существенными, необходимо сравнить полученные значения «t-статистика», которые дают более точную оценку значимости коэффициентов, с рассчитанным t-критерием Стьюдента.
Для того, чтобы определить, какие факторы являются существенными, необходимо сравнить полученные значения «t-статистика», которые дают более точную оценку значимости коэффициентов, с рассчитанным t-критерием Стьюдента.
Последовательность этапов
Слайд 22Для того чтобы рассчитать t-критерий Стьюдента, необходимо воспользоваться в MS Excel
функцией «СТЬЮДРАСПОБР».
Последовательность этапов
Слайд 24Если |tстат. | < tкр. Ст. значит, рассматриваемый фактор не является
статистически значимыми (то есть является несущественным).
Если | tстат. |> tкр. Ст. значит, коэффициент является статистически значимыми (то есть является несущественным).
Если | tстат. |> tкр. Ст. значит, коэффициент является статистически значимыми (то есть является несущественным).
Последовательность этапов
Слайд 25По результатам регрессионного анализа при сравнении расчётных значений с табличным значением
t-критерия Стьюдента фактор Х1 является несущественным.
Последовательность этапов
Значение меньше
t-критерия Стьюдента
Слайд 26Так как фактор Х1 является несущественным, следовательно, его необходимо исключить из
анализа и провести регрессионный анализ с оставшимися факторами ЗАНОВО!!!
Последовательность этапов
Слайд 28Далее заново определяем какие факторы являются существенными, путем сравнения полученных значений
«t-статистика» с рассчитанным t-критерием Стьюдента.
Последовательность этапов
Слайд 29Заново пересчитываем t-критерий Стьюдента, воспользовавшись в MS Excel функцией «СТЬЮДРАСПОБР».
Последовательность этапов
Слайд 31По результатам повторного регрессионного анализа при сравнении расчётных значений с табличным
значением t-критерия Стьюдента все факторы является существенным.
Последовательность этапов
Слайд 32Также результатом регрессионного анализа являются рассчитанные коэффициенты уравнения регрессии.
Последовательность этапов
Коэффициенты уравнения
регрессии
Слайд 33Последовательность этапов
Таким образом, уравнение регрессии имеет следующий вид:
У = 22737,59 +
0,005 * Х2 – 865,653 * Х3
Прогнозные значения Y определяются путём последовательной подстановки в эту модель значений факторов Х2 и Х3, взятых для каждого момента времени t.
Прогнозные значения Y определяются путём последовательной подстановки в эту модель значений факторов Х2 и Х3, взятых для каждого момента времени t.
Слайд 34Последовательность этапов
Для прогнозирования значений факторов Х2 и Х3 необходимо использовать метод
прогнозной экстраполяции.
Слайд 37Последовательность этапов
Более точные значения прогнозируемой переменной можно получить, если воспользоваться Линейным
уравнением линии тренда (так как R^2 принимает максимальное значение по сравнению с другими).
Слайд 43Последовательность этапов
Более точные значения прогнозируемой переменной можно получить, если воспользоваться Полиномиальным
уравнением линии тренда (так как R^2 принимает максимальное значение по сравнению с другими).
Слайд 47После определения прогнозных значений факторов Х2 и Х3, рассчитаем прогнозные значения
исследуемой характеристики У, путем подставления в уравнение регрессии, полученных значений.
Последовательность этапов
Слайд 48Последовательность этапов
Коэффициенты уравнения регрессии
Прогнозные значения факторов Х2 и Х3
Слайд 49Последовательность этапов
Коэффициенты уравнения регрессии
Прогнозные значения факторов Х2 и Х3
Слайд 50Таким образом, прогнозные значения исследуемой характеристики У на последующие два месяца
равны
16 978,32 и
17 222,95.
16 978,32 и
17 222,95.
Последовательность этапов
