|
назад Оглавление вперед
[Старт] [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] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63]
23 raStATGR/«>HICS Иш UrliilrJ ,1JU 4i Milili-Vj"ablf Ar J.si ШШ"""" SuBB«ry Stacistics | | «1 | | Count | | | | Wtr.,. | s,« | 6,19 | 22,3 | 7&rl«nct | e,04211 | 3,75884 | 4S.43ie | ScaiuJazd dtvifttion | 2,45807 | 1,93877 | 6,61407 | | | | 10,0 | | 14,0 | | 36,0 | Stnd skcvntss | 0,el2S3 | 0,343424 | 0,59648 | Stnd kurXDsit | -1,09184 | -1,21542 | -0,489782 | | 192,0 | 123,8 | 446,0 |
Рис. 2.5. Итоговая статистика Сравнивая значения средних квадратических отклонений и средних величин и определяя коэффициенты вариации: - 1у. 100% = МЁ!21 100% = 25,6%, У v, = 100%=- 100% = 31,3%; 6,19 v.. = Х21 хг 100% = 100% = 30,6%, 22,3 приходим к выводу о повышенном уровне варьирования признаков, хотя и в допустимых пределах, не превышающих 35%. Совокупность предприятий однородна, и для ее изучения могут использоваться метод наименьших квадратов и вероятностные методы оценки статистических гипотез. 2. Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в данном уравнении множественной регрессии. Линейные коэффициенты частной корреляции оценивают тесноту связи значений двух переменных, исключая влияние всех других переменных, представленных в уравнении множественной регрессии.
Решение с помощью ППП Excel К сожалению, в ППП MS Excel нет специального инструмента для расчета линейных коэффициентов частной корреляции. Матрицу парных коэффициентов корреляции переменных можно рассчитать, используя инструмент анализа данных Корреляция. Для этого: 1)в главном меню последовательно выберите пункты Сервис / Анализ данных / Корреляция. Щелкните по кнопке ОК; 2)заполните диалоговое окно ввода данных и параметров вывода (см. рис. 2.1); 3)результаты вычислений - матрица коэффициентов парной корреляции - представлены на рис. 2.6. | | | -if- | | | | | > | | | 14,0 | | | | 15,0 | > 4 | | | 16,0 | fit | | | | | | | 19,0 | | | | 19,0 | j 1 8 | | | 20,0 | | | | 20,0 | | | | 20,0 | | | | 21,0 | Щ 12 | 11,0 | | 22,0 | щк 13 | | | 22,0 | Ш 14 | 11,0 | | 25,0 | | 12 0 | | | IjI 16 | 12,0 | »,2 | 29,0 | «Н 17 | 12,0 | | 30,0 | т IS | | | | | | | 32,0 | | 14,0 | | 36,0 |
| | n» Парнов | | | | | | | 0,9699 | | | | 0JI408 | 0>О8 | 1.0000 |
Рис. 2.6. Матрица коэффициентов парной корреляции Решение с помощью ППП Statgraphics При проведении многофакторного анализа - Multiple Variable Analysis - вычисляются линейные коэффициенты парной корреляции и линейные коэффициенты частной корреляции. Последовательность операций описана в п.1 этого примера. Для отображения результатов вычисления на экране необходимо установить флажки напротив Correlations и Partial Correlations в окне табличных настроек (рис. 2.7).
Tabular Options Г SumarySiansbcs Г Confidence Intefvalt 17 Cofielabont Г RankConeletiora Г Covariances 7 Paitial Correlations - Рис. 2.7. Окно табличных настроек Multiple Variable Analysis В результате получим матрицы коэффициентов парной и частной корреляции (рис. 2.8). дГи alBl .181 I. Ul ;ар1Ш1ИФк.!111 »l yj LlBli -iffu Corr*lm.on | | | | | | | | 0,9699 ( 20) 0,0000 | 0,9408 ( 20) 0,0000 | | | | 0,96ЭЭ ( 20) 0,0000 | | 0,9428 ( 20] 0,0000 | | | | 0,9408 ( 20) 0,0000 | 0,9426 ( 20) 0,0000 | | | | | | | | | | FArtiaJ. Cor | | | | | | | | 0,733S ( 20) | 0,3247 ( ZOl | | a i. | | 0,733S ( 20» | | 0,3679 ( 20) | | | | 0,3247 < 20) | 0,3679 < 20} | | | | | | | | |
Рис. 2.8. Матрицы коэффициентов парной и мастной корреляции
[Старт] [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] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63]
|
|
|
|