Jak zbudować wykres regresji
Analiza regresji stanowi znajdź funkcję, która opisywała by zależność zmiennej wielkości od wielu czynników. Uzyskany w wyniku badania równanie służy do budowy linii regresji.
Trzeba
- -kalkulator.
Instrukcja
1
Oblicz średnie wartości skutecznej (y) i, jak czynnik (x) funkcji. W tym celu należy skorzystać z formuły proste działania arytmetyczne i średnio zważonego.
2
Znajdź równanie regresji. Odzwierciedla zależność pomiędzy badanym wskaźnikiem i niezależnymi czynnikami, które wpływają na niego. Dla szeregu czasowego jego harmonogram będzie mieć widok trendu, charakterystycznego dla pewnej losowej wielkości w czasie.
3
Najczęściej w obliczeniach używają równanie prostej ekscytujący regresji: y = ax+b. Ale jest również stosowany i inne: poważną, przedstawicielskiej i funkcji wykładniczej. Typ funkcji w każdym konkretnym przypadku można określić poprzez dobór linii, która precyzyjnie opisuje zależność badanych.
4
Budowanie regresji liniowej sprowadza się do określenia jej parametrów. Zaleca się liczyć z pomocą programów analitycznych do komputera osobistego lub specjalnego kalkulatora finansowego. Najprostszym sposobem na znalezienie elementów funkcji jest zastosowanie klasycznego podejścia opartego na metodzie najmniejszych kwadratów. Jego istota polega na minimalizacji sumy kwadratów odchyleń wartości cechy od obliczeniowych. Jest to rozwiązanie systemu tak zwanych normalnych równań. W przypadku regresji liniowej parametry równania są według wzoru: a = хср – bxср; b=((y?x)sr-уср?хср)/((x^2)sr – (хср)^2).
5
Na podstawie uzyskanych danych sporządź funkcji regresji. Oblicz uśrednione wartości x i y, ustawić je w otrzymane równanie. Za pomocą niego znajdź współrzędne punktów linii regresji (xi i yi).
6
W prostokątnym układzie współrzędnych na osi x odkładamy wartości xi i, odpowiednio, wartości zmiennych yi na osi y. To samo należy zauważyć współrzędne uśrednionych wartości. Jeśli grafiki zostały zbudowane tak, to przetną się w punkcie o współrzędnych równych średniej wartości.
7
Linia regresji odzwierciedla oczekiwane wartości funkcji przy znanych wartościach argumentów. Im silniejszy związek między znakiem i czynnikami, tym mniejszy jest kąt między wykresami.