Корреляционный и регрессионный анализ Уравнение множественной линейной

Уравнение множественной линейной регрессии - константа уравнения - коэффициент регрессии, показывает:

Данные о разных объектах в один момент времени

I Построение матрицы корреляции Анализ Основные статистики и таблицы Парные и частные корреляцииОК.

Выбрать все переменные для построения матрицы

Вкладка Дополнительно -> Матрица парных коэффициентов корреляции

Матрица корреляции Пр № 1 Тесной связи между зависимыми переменными нет

Матрица корреляции Пр № 2 Тесная связь между переменными- регрессорами Sob и Slive,

Анализ матрицы корреляции 2 Одну из переменных надо удалить из исходной таблицы (не использовать

Анализ матрицы корреляции 2 2 способ К-т корреляции R (Price; Sob)=0, 287 R (Price;

II Модель регрессии АнализМножественная регрессия Выбираем переменные Price – зависимая переменная, все

Итоговая таблица регрессии Все коэффициенты не значимы (p-знач>0, 1), надо

Пр № 1 Не значимы коэффициенты перед переменными Et и rem, т.

Итоговая таблица скорректированной модели МОДЕЛЬ: Y^=935862, 6+7368, 1*S-

Прогнозирование по модели Открыть окно результатов построения множественной регрессии ОстаткиПредсказанияНаблюдаемые

Анализ остатков/ Остатки и предсказанные

Наблюдаемые и предсказанные значения переменной Price выделить и щелкнуть правой кнопкой мыши

Скачать презентацию Корреляционный и регрессионный анализ Уравнение множественной линейной

лек 8-2 Корреляционный и регрессионный анализ.ppt

Количество слайдов: 24

>Корреляционный и регрессионный анализ Корреляционный и регрессионный анализ

>Уравнение множественной линейной регрессии - константа уравнения - коэффициент регрессии, показывает: Уравнение множественной линейной регрессии - константа уравнения - коэффициент регрессии, показывает: на сколько единиц изменится зависимая переменная y при изменении независимой переменной x 1 на 1 единицу

>Анализ коэффициентов регрессии Анализ коэффициентов регрессии

>Данные о разных объектах в один момент времени Данные о разных объектах в один момент времени

>Обозначения Обозначения

>I Построение матрицы корреляции Анализ Основные статистики и таблицы Парные и частные корреляцииОК. I Построение матрицы корреляции Анализ Основные статистики и таблицы Парные и частные корреляцииОК. Квадратная матрица

>Выбрать все переменные для построения матрицы Выбрать все переменные для построения матрицы

>Вкладка Опция Вкладка Опция

>Вкладка Дополнительно -> Матрица парных коэффициентов корреляции Вкладка Дополнительно -> Матрица парных коэффициентов корреляции

>Матрица корреляции Пр № 1 Тесной связи между зависимыми переменными нет Матрица корреляции Пр № 1 Тесной связи между зависимыми переменными нет

>Матрица корреляции Пр № 2 Тесная связь между переменными- регрессорами Sob и Slive, Матрица корреляции Пр № 2 Тесная связь между переменными- регрессорами Sob и Slive, К-т корреляции =0, 897495

>Анализ матрицы корреляции 2 Одну из переменных надо удалить из исходной таблицы (не использовать Анализ матрицы корреляции 2 Одну из переменных надо удалить из исходной таблицы (не использовать далее в моделировании) 1 способ: По экономическому смыслу удаляется менее важная для уравнения 2 способ: По матрице корреляции удаляется переменная имеющая наименьшее влияние на зависимую переменную

>Анализ матрицы корреляции 2 2 способ К-т корреляции R (Price; Sob)=0, 287 R (Price; Анализ матрицы корреляции 2 2 способ К-т корреляции R (Price; Sob)=0, 287 R (Price; Slive)=0, 261 Меньшее влияние оказывает Slive, эту переменную далее в моделировании не используем

>II Модель регрессии АнализМножественная регрессия Выбираем переменные Price – зависимая переменная, все II Модель регрессии АнализМножественная регрессия Выбираем переменные Price – зависимая переменная, все остальные не зависимые. OK.

>Выбор переменных Пр № 2 Выбор переменных Пр № 2

> Итоговая таблица регрессии Все коэффициенты не значимы (p-знач>0, 1), надо Итоговая таблица регрессии Все коэффициенты не значимы (p-знач>0, 1), надо по одной исключать переменные из уравнения, начиная с самой не значимой

>Пр № 1 Не значимы коэффициенты перед переменными Et и rem, т. Пр № 1 Не значимы коэффициенты перед переменными Et и rem, т. е. нет линейной связи этих переменных с Price Построим модель без этих переменных

>Выбор значимых переменных Выбор значимых переменных

> Итоговая таблица скорректированной модели МОДЕЛЬ: Y^=935862, 6+7368, 1*S- Итоговая таблица скорректированной модели МОДЕЛЬ: Y^=935862, 6+7368, 1*S- -13770*dist+70384, 6*phon Увеличение площади на 1 м 2 увеличивает цену квартиры в среднем на 7368, 1 руб. Увеличение расстояния от центра города на 1 км

> Прогнозирование по модели Открыть окно результатов построения множественной регрессии ОстаткиПредсказанияНаблюдаемые Прогнозирование по модели Открыть окно результатов построения множественной регрессии ОстаткиПредсказанияНаблюдаемые значения Предсказать зависимую переменную Задать параметры модели, ОК

>Предсказанные значения Предсказанные значения

>Анализ остатков/ Остатки и предсказанные Анализ остатков/ Остатки и предсказанные

>Наблюдаемые и предсказанные значения переменной Price выделить и щелкнуть правой кнопкой мыши Наблюдаемые и предсказанные значения переменной Price выделить и щелкнуть правой кнопкой мыши

>Спасибо за внимание! Спасибо за внимание!