Главная >> Реферат >> Статистика

1 2 3 4 5

Рис.2.1.

Точки корреляционного поля не лежат на одной линии, они вытянуты определённой полосой слева на право. Нанеся средние значения факторного и результирующего признаков на график и соединяя последовательно отрезками прямых соответствующие им точки, получают эмпирическую линию связи.

Если эмпирическая линия связи по своему виду приближается к прямой линии, то это свидетельствует о наличии прямолинейной корреляционной связи между признаками. Если же имеется тенденция неравномерного изменения значений результирующего признака, и эмпирическая линия связи будет приближаться к какой-либо кривой, то это может быть связано с наличием криволинейной корреляционной связи.

2.3. Множественная корреляция

Проведенный выше анализ статистических совокупностей позволяет изучить взаимосвязь только двух переменных.

На практике же часто приходится исследовать зависимость результирующего признака от нескольких факторных признаков. В этом случае статистическая модель может быть представлена уравнением регрессии с несколькими переменными. Такая регрессия называется множественной (множественная корреляция).

Например, линейная регрессия с m независимыми переменными имеет вид:

yi = a0x0 + a1x1 + a2x2 + … + amxm, (2.1)

где а0, а1, а2, …, аm – параметры уравнения регрессии,

m – число независимых переменных,

х0, х1, х2, …, хm – значения факторного признака,

yi – значение результирующего признака.

При оценке параметров этого уравнения в каждом i-том наблюдении фиксируют значения результирующего признака у и факторных признаков хi0…хim.

Оценки параметров уравнения регрессии находятся с помощью метода наименьших квадратов, который в случае множественной регрессии удобнее представить в матричной форме.

Применяются следующие обозначения:

а = (аj), j = 0,1,…,m – вектор оценок параметров, m – число неизвестных параметров;

у = (уi), i = 1,2,…,n – вектор значений зависимой переменной, n – число наблюдений;

х = (хij) – матрица значений независимых переменных размерностью n(m+1);

е = (ei) – вектор ошибок в уравнении с оцененными параметрами.

Уравнение регрессии с оцененными параметрами имеет вид:

у = Ха, (2.2)

Линейная модель (2.1) в векторном виде имеет вид:

у = Ха + е. (2.3)

Сумма квадратов отклонений равна:

Q = еi2 = eTe = (y-Xa)T(y-Xa) = yTy – aTXTy – yTXa + aTXTXa =

= yTy – 2aTXTy + aTXTXa, (2.4)

где Т – знак операции транспонирования, т.е. строки исходной матрицы в транспонированной занимают положение столбцов.

Дифференцированием Q по а получается

= -2ХТу + 2(ХТХ)а (2.5)

Приравниванием производной к нулю получается выражение для определения вектора оценки а:

ХТу = ХТХа,

а = (ХТХ)-1Ту). (2.6)

Оценку а, определенную изложенным способом, называют оценкой метода наименьших квадратов. Применительно к уравнению регрессии (2.1) матрицы коэффициентов имеют вид:

I x11 x12 … x1m

I x21 x22 … x2m

X = … … … … … ,

… … … … …

I xn1 xn2 … xnm

и, следовательно,

n xi1 … xim

хi1 xi12 … xi1xim

XTX= … … … … ,

… … … …

хim xi1xim … xim2

уi

yixi1

ХТу= : .

:

yixim

Суммирование производится по числу наблюдений n.

2.4. Применение множественной корреляции к изучению состава кадров на промышленном предприятии

Рассматривается пример:

Переменная у (заработная плата) зависит от разряда х1 и степени выплачивания норм х2 . Принимая линейную модель множественной регрессии в виде

y=a0+a1x1=a2x2

определить оценки а0, а1, а2 параметров по методу наименьших квадратов.

Исходные данные по 30 рабочим приведены в табл. 2.3.

Таблица 2.3.

1 2 3 4 5

Похожие работы: