Реализация типовых задач на компьютере

Построим линейную однопараметрическую модель регрессии Y от x. Для проведения регрессионного анализа выполните следующие действия: - выберите команду Данные =» Анализ данных;

(проверьте доступ к пакету анализа. В главном меню последовательно выберите Файл / Параметры/ Надстройки/ Управление/ Перейти. Установите флажок Пакет анализа (должен стоять флажок));

1. Построим линейную модель регрессии Y от t. Для проведения регрессионного анализа выполните следующие действия:

2. - выберите команду Данные =» Анализ данных;

3. - в диалоговом окне Анализ данных выберите инструмент Регрессия, а затем щелкните на кнопке ОК;

4. - в диалоговом окне Регрессия в поле Входной интервал Yвведите адрес одного диапазона ячеек, который представляет зависимую переменную. В поле Входной интервал Xвведите адрес диапазона, который содержит значения независимой переменной t;

5. - если выделены и заголовки столбцов, то установите флажок Метки в первой строке;

6. - выберите параметры вывода. В данном примере Новая рабочая книга;

7. - в поле График подбора поставьте флажок;

8. - в поле Остатки поставьте необходимые флажки и нажмите кнопку ОК.

9. - в поле График подбора поставьте флажок;

10. - в поле Остатки поставьте необходимые флажки и нажмите кнопку ОК.

11. Результат ввода данных, выбора инструмента Регрессия и ввод необходимых атрибутов этого инструмента показан на рис. 3.1. Результат регрессионного анализа содержится в виде таблицы на рис. 3.2.

Рис.1. Ввод исходных данных для Регрессии

Рис.2. Результат регрессионного анализа

12. В таблице содержатся коэффициенты уравнения регрессии, стандартные ошибки коэффициентов уравнения регрессии, t-статистика, используемая для проверки значимости коэффициентов уравнения регрессии.

13. Уравнение регрессии зависимости у от t.

14. При вычислении «вручную» получаем те же результаты.

Варианты индивидуальных заданий

Задача 1. По территориям региона приводятся данные за 199X г. (см. таблицу своего варианта).

Требуется:

1. Построить линейное уравнение парной регрессии от .

2. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.

3. Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.

4. Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем 107% от среднего уровня.

5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.

6. На одном графике построить исходные данные и теоретическую прямую.

Вариант 1

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 2

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 3

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 4

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 5

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 6

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 7

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 8

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 9

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,

Вариант 10

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,