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]