ПРИЛОЖЕНИЕ 2.1
ВСЕРОССИЙСКИЙ
ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
КАФЕДРА
СТАТИСТИКИ
О
Т Ч Е Т
о результатах выполнения
компьютерной лабораторной работы №2
«Автоматизированный корреляционно-регрессионный
анализ взаимосвязи статистических данных
в среде MS Excel»
Выполнил:
Проверил:
Серпухов,
2006 г.
Постановка
задачи
Корреляционно-регрессионный анализ (КР-анализ)
взаимосвязи признаков является составной частью проводимого статистического
исследования двух экономических показателей статистической совокупности 32
предприятий и частично использует результаты Лабораторной работы №1.
В лабораторной работе №2 изучается взаимосвязь между
факторным признаком Среднегодовая стоимость основных производственных фондов
(признак Х) и результативным признаком Выпуск продукции (признак Y), значениями которых являются исходные данные
Лабораторной работы №1 после исключения из них аномальных значений.
Таблица 2,1
Исходные данные демонстрационного примера
|
Номер
предприятия
|
Среднегдовая
стоимость основных производственных фондов, млн руб.
|
Выпуск
продукции, млн руб.
|
|
1
|
94,00
|
110,00
|
|
2
|
107,00
|
101,00
|
|
3
|
134,00
|
120,00
|
|
4
|
157,00
|
81,00
|
|
5
|
163,00
|
80,00
|
|
6
|
167,00
|
114,00
|
|
29
|
167,00
|
114,00
|
|
7
|
173,00
|
161,00
|
|
8
|
173,00
|
90,00
|
|
9
|
177,00
|
178,00
|
|
10
|
179,00
|
107,00
|
|
11
|
200,00
|
125,00
|
|
12
|
201,00
|
108,00
|
|
13
|
205,00
|
133,00
|
|
30
|
205,00
|
133,00
|
|
14
|
208,00
|
124,00
|
|
15
|
212,00
|
201,00
|
|
16
|
213,00
|
161,00
|
|
17
|
214,00
|
151,00
|
|
18
|
216,00
|
169,00
|
|
19
|
218,00
|
149,00
|
|
20
|
230,00
|
180,00
|
|
21
|
234,00
|
148,00
|
|
22
|
237,00
|
162,00
|
|
23
|
241,00
|
166,00
|
|
24
|
248,00
|
168,00
|
|
32
|
260,00
|
224,00
|
|
26
|
276,00
|
171,00
|
|
27
|
290,00
|
191,00
|
|
28
|
298,00
|
220,00
|
В процессе статистического исследования необходимо
решить ряд задач.
1.Установить наличие статистической связи между
факторным признаком Х и результативным Y:
a) Графическим методом;
b) Методом сопоставления параллельных рядов.
2.Установить наличие корреляционной связи между
признаками Х и Y методом аналитической
группировки.
3.Оценить тесноту связи признаков Х и Y на основе:
a) Эмпирического корреляционного отношения η;
b) Линейного коэффициента корреляции r.
4.Построить однофакторную линейную регрессионную
модель связи признаков Х и Y, используя
инструмент регрессия надстройки Пакет анализа.
5. Оценить адекватность и практическую пригодность построенной
линейной регрессионной модели, указав:
а) Доверительные интервалы коэффициентов 
;
б) Степень тесноты связи признаков Х и Y;
в) Погрешность регрессионной модели.
6) Дать экономическую интерпретацию:
а) Коэффициента регрессии 
;
б) Коэффициента эластичности 
;
в) Остаточных величин 
.
7. Найти наиболее адекватное нелинейное уравнение
регрессии с помощью средств инструмента Мастер диаграмм. Построить для этого
уравнения теоретическую кривую регрессии.
|
Таблица 2,2
|
|
Зависимость
выпуска продукции от среднегодовой стоимости основных фондов
|
|
Номер группы
|
Группы
предприятий по стоимости основных фондов
|
Число
предприятий
|
Выпуск
продукции
|
|
Всего
|
В среднем на
одно предприятие
|
|
1
|
94-134
|
3
|
331,00
|
110,33333
|
|
2
|
157-173
|
6
|
640,00
|
106,66667
|
|
3
|
177--216
|
11
|
1 590,00
|
144,54545
|
|
4
|
218-248
|
6
|
973,00
|
162,16667
|
|
5
|
260-298
|
4
|
806,00
|
201,5
|
|
Итого
|
|
30
|
4 340,00
|
144,66667
|
|
Таблица 2,3
|
|
Показатели
внутригрупповой вариации
|
|
Номер группы
|
Группы предприятий
по стоимости основных фондов
|
Число
предприятий
|
Внутригрупповая
дисперсия
|
|
1
|
94-134
|
3
|
60,2222222
|
|
2
|
157-173
|
6
|
784,555556
|
|
3
|
177--216
|
11
|
821,157025
|
|
4
|
218-248
|
6
|
123,472222
|
|
5
|
260-298
|
4
|
472,25
|
|
Итого
|
|
30
|
2261,65702
|
|
Таблица 2,4
|
|
Показатели
дисперсии и эмпирического корреляционного отношения
|
|
Общая дисперсия
|
Средняя из
внутригрупповых дисперсий
|
Межгрупповая
дисперсия
|
Эмпирическое
корреляционное отношение
|
|
1450,288889
|
551,6853535
|
898,6035354
|
0,78714873
|
|
Таблица 2,5
|
|
Линейный
коэффициент корреляции признаков
|
|
|
Столбец 1
|
Столбец 2
|
|
Столбец
1
|
1
|
|
|
Столбец
2
|
0,753661673
|
1
|
|
Регрессионная
статистика
|
|
Множественный
R
|
0,753662
|
|
R-квадрат
|
0,568006
|
|
Нормированный
R-квадрат
|
0,552578
|
|
|
|
|
Стандартная
ошибка
|
25,90883
|
|
Наблюдения
|
30
|
|
Дисперсионный
анализ
|
|
|
|
|
|
df
|
SS
|
MS
|
F
|
Значимость F
|
|
Регрессия
|
1
|
24713,18
|
24713,18
|
36,8157
|
1,52606E-06
|
|
Остаток
|
28
|
18795,49
|
671,2674
|
|
|
|
Итого
|
29
|
43508,67
|
|
|
|
|
|
Коэффи- циенты
|
Стан- дарт- ная
ошибка
|
t- ста-тистика
|
P- Значение
|
Нижние 95%
|
Верхние 95%
|
Нижние 68,3%
|
Верхние 68,3%
|
|
Y-пере-сечение
|
21,64455
|
20,81975
|
1,039616
|
0,307413
|
-21,0028316
|
64,2919
|
0,43246
|
42,8566
|
|
Перемен-ная
X 1
|
0,605325
|
0,099764
|
6,067594
|
1,53E-06
|
0,400967996
|
0,80968
|
0,50368
|
0,70697
|
|
Наблюдение
|
Предсказанное Y
|
Остатки
|
|
1
|
78,54505
|
31,45495
|
|
2
|
86,41427
|
14,58573
|
|
3
|
102,758
|
17,24197
|
|
4
|
116,6805
|
-35,6805
|
|
5
|
120,3124
|
-40,31244
|
|
6
|
122,7337
|
-8,733742
|
|
7
|
122,7337
|
-8,733742
|
|
8
|
126,3657
|
34,63431
|
|
9
|
126,3657
|
-36,36569
|
|
10
|
128,787
|
49,21301
|
|
11
|
129,9976
|
-22,99764
|
|
12
|
142,7095
|
-17,70945
|
|
13
|
143,3148
|
-35,31478
|
|
14
|
145,7361
|
-12,73607
|
|
15
|
145,7361
|
-12,73607
|
|
16
|
147,552
|
-23,55205
|
|
17
|
149,9733
|
51,02666
|
|
18
|
150,5787
|
10,42133
|
|
19
|
151,184
|
-0,183994
|
|
20
|
152,3946
|
16,60536
|
|
21
|
153,6053
|
-4,605292
|
|
22
|
160,8692
|
19,13081
|
|
23
|
163,2905
|
-15,29048
|
|
24
|
165,1065
|
-3,106458
|
|
25
|
167,5278
|
-1,527756
|
|
26
|
171,765
|
-3,765027
|
|
27
|
179,0289
|
44,97108
|
|
28
|
188,7141
|
-17,71411
|
|
29
|
197,1887
|
-6,188656
|
|
30
|
202,0313
|
17,96875
|
