EK LAB WSB Z1 2011 12


Overview

Arkusz1
Przykład
Ć1-przychód
Ć2-nieruchomości
Ć3- trend
C4-długośc życia
CS-Banki


Sheet 1: Arkusz1

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,982072810475956






R kwadrat 0,964467005076142






Dopasowany R kwadrat 0,954314720812183






Błąd standardowy 2






Obserwacje 10















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 2 760 380 95 8,45690298434077E-06


Resztkowy 7 28 4




Razem 9 788















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie 21 7,77174369109018 2,70209631643864 0,030546234476671 2,6227463958858 39,3772536041142 2,6227463958858 39,3772536041142
X1 4 0,774596669241484 5,16397779494322 0,001303719790374 2,16836993120702 5,83163006879298 2,16836993120702 5,83163006879298
X2 2 0,632455532033676 3,16227766016838 0,015877803829589 0,504480311306115 3,49551968869388 0,504480311306115 3,49551968869388

Sheet 2: Przykład

PRZYKŁAD















W przedsiębiorstwach przetworstwa owocowo-warzywnego zbadano ksztaltowanie się calłkowitych kosztów produkcji (w mln zł) w zależności od skali produkcji w (tys. ton) i warunków przechowywania surowców, mierzonych temperaturą przechowywania w stopniach















Część 1. Oszacuj parametry modelu liniowego o postaci hipotetycznej:














1. Z wykorzystaniem rachunku macierzowego (w arkuszu kalkulacyjnym i ręcznie)














2. Z wykorzystaniem funkcji arkusza














3. Wykorzystując analizę danych.














Część 2. Zweryfikuj wlasności reszt modelu (do indywidualnego wykonania)














Część 3. Dokonaj merytorycznej i statystycznej weryfikacji uzyskanego modelu ekonometrycznego.














Część 4.Wyznacz prognozę kosztów dla przedsiębiorstwa wytwarzającego 14 tys.ton przetworow i przechowującego surowce w średniej temperaturze 20 st. C.









































koszty (mln zł) produkcja (tys ton) temperatura (st C)











l.p. Y X1 X2 1










1 96 9 19 1










2 104 10 21 1










3 110 12 22 1










4 110 11 22 1






















5 89 8 17 1






















6 91 9 18 1






















7 89 8 19 1






















8 103 11 19 1






















9 115 12 22 1






















10 103 10 21 1























? 14 20 10


















































Część 1.


























1. SZACOWANIE PARAMETRÓW MODELU Z WYKORZYSTANIEM RACHUNKU MACIERZOWEGO























































96

9 19 1





















104

10 21 1





















110

12 22 1





















110

11 22 1
y' = AE Poznan: transponowanie macierzy sprowadza się do kopiowania i wklejenia specjalnie (z transpozycją) 96 104 110 110 89 91 89 103 115 103








y = 89
X = 8 17 1





















91

9 18 1





















89

8 19 1





















103

11 19 1

9 10 12 11 8 9 8 11 12 10









115

12 22 1
X' = 19 21 22 22 17 18 19 19 22 21









103

10 21 1

1 1 1 1 1 1 1 1 1 1
































































b=(X'X)-1X'y




















































































1020 2020 100

0,15 -0,1 0,5

300 -200 1000













X'X= 2020 4030 200
(X'X)-1= -0,1 0,1 -1 = 1/2000* -200 200 -2000














100 200 10

0,5 -1 15,1

1000 -2000 30200





















y x1 x2 1














det(X'X)=IX'XI= wyznacznik 2000




y 102798 10220 20340 1010


















STĄD WEKTOR OCEN PARAMETRÓW:


x1 10220 1020 2020 100




















4,00000000000023
x2 20340 2020 4030 200















X'y= 10220

b= 2
1 1010 100 200 10
















20340


21






















1010





X'Y


X'X













UWAGA!


























WYGODNIE JEST NA WSTĘPIE WYZNACZYĆ TZW. MACIERZ CROSS, KTÓRA MA KONSTRUKCJĘ NASTĘPUJĄCĄ:



























y X1 X2 1






















Y SUMA y^2






Wymaga to jednak mnożenia przez siebie macierzy [y|X]'[y|X]

















x1 suma (y*x1) suma(x1*x1)
























x2

suma(x2*x2)





96 9 19 1
96 104 110 110 89 91 89 103 115 103


1 suma(y) suma(x1)






104 10 21 1
9 10 12 11 8 9 8 11 12 10












110 12 22 1
19 21 22 22 17 18 19 19 22 21


macierz cross




X'X


110 11 22 1
1 1 1 1 1 1 1 1 1 1



y X1 X2 1



[y|X] = 89 8 17 1













Y 102798 10220 20340 1010




91 9 18 1













x1 10220 1020 2020 100




89 8 19 1













x2 20340 2020 4030 200




103 11 19 1













1 1010 100 200 10




115 12 22 1























103 10 21 1













































































WEKTOR WARTOŚCI MODELOWYCH i wektor reszt:




















X'y







95,000000000002

0,999999999997954























103,000000000002

0,999999999997726












Model ekonometryczny:




113,000000000003

-3,00000000000273

















109,000000000003

0,999999999997499
















y^= 87,0000000000018
e = 1,99999999999818

















93,0000000000021

-2,00000000000205

















91,0000000000018

-2,00000000000182























103,000000000003

-2,50111042987555E-12























113,000000000003

1,99999999999727























103,000000000002

-2,27373675443232E-12




































































2. SZACOWANIE PARAMETRÓW MODELU Z WYKORZYSTANIEM FUNKCJI ARKUSZA KALKULACYJNEGO



























































Każdy raport czytany jest w ten sam sposób. Oto schemat:





Aby uzyskać wartości modelowe lub prognozy wart stosować funkcję REGLINW




















b2 b1 AE Poznan: wyraz wolny zawsze w ostatniej kolumnie, niezależnie od postaci hipotetycznej modelu) wyraz wolny


95


95











2 4 21
parametry





103


103











0,632455532033676 0,774596669241484 7,77174369109018
AE Poznan: średnie odchylenia estymatorów parametrów od parametrow średnie blędy szacunku par.





113


113
b2 b1 1







0,964467005076142 2 #N/A
R kwadr

AE Poznan: standardowe odchylenie skladnika losowego s


109


109
2 4 21 #N/A #N/A





95 7 #N/A
F

AE Poznan: stopnie swobody v

y^= 87


87 parame 0,632455532033676 0,774596669241484 7,77174369109018 #N/A #N/A





760 28 #N/A
RSK

SKR


93


93 R2 0,964467005076142 2 #N/A #N/A #N/A
















91


91
95 7 #N/A #N/A #N/A
















103


103 RSK 760 28 #N/A #N/A #N/A
















113


113
#N/A #N/A #N/A #N/A #N/A




3. SZACOWANIE PARAMETRÓW Z WYKORZYSTANIEM ANALIZY DANYCH










103


103
#N/A #N/A #N/A #N/A #N/A















y*= 117


117
#N/A #N/A #N/A #N/A #N/A




Raport jest najobszerniejszy, lecz posiada ważną wadę - nie zmienia się wraz z dokonaniem zmian w wartościach macierzy y i X.














#N/A


























#N/A











PODSUMOWANIE - WYJŚCIE













#N/A


























#N/A











Statystyki regresji

























Wielokrotność R 0,982072810475956

























R kwadrat 0,964467005076142

























Dopasowany R kwadrat 0,954314720812183









PODSUMOWANIE - WYJŚCIE














Błąd standardowy 2

























Obserwacje 10









Statystyki regresji

























Wielokrotność R 0,982072810475956













ANALIZA WARIANCJI










R kwadrat 0,964467005076142














df SS MS F Istotność F





Dopasowany R kwadrat 0,954314720812183













Regresja 2 760 380 95 8,45690298434077E-06





Błąd standardowy 2













Resztkowy 7 28 4







Obserwacje 10













Razem 9 788




































ANALIZA WARIANCJI















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 99,0% Górne 99,0%



df SS MS F Istotność F









Przecięcie 21 7,77174369109018 2,70209631643864 0,030546234476671 2,62275953766212 39,3772404623379 -6,19706902560711 48,1970690256071


Regresja 2 760 380 95 8,45690298434077E-06









X1 - produkcja 4 0,774596669241483 5,16397779494322 0,001303719790374 2,16837124102584 5,83162875897416 1,28931370903061 6,71068629096939


Resztkowy 7 28 4











X2 - temperatura 2 0,632455532033676 3,16227766016838 0,015877803829589 0,504481380768707 3,49551861923129 -0,213266088544165 4,21326608854417


Razem 9 788





















































Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%


















Przecięcie 21 7,77174369109018 2,70209631643864 0,030546234476671 2,6227463958858 39,3772536041142 2,6227463958858 39,3772536041142






SKŁADNIKI RESZTOWE - WYJŚCIE










X1 4 0,774596669241484 5,16397779494322 0,001303719790374 2,16836993120702 5,83163006879298 2,16836993120702 5,83163006879298


















X2 2 0,632455532033676 3,16227766016838 0,015877803829589 0,504480311306115 3,49551968869388 0,504480311306115 3,49551968869388






Obserwacja Przewidywane Y Składniki resztowe









b d












1 95 1
























2 103 1
























3 113 -3








SKŁADNIKI RESZTOWE - WYJŚCIE














4 109 1
























5 87 2








Obserwacja Przewidywane Y Składniki resztowe












6 93 -2








1 95 1












7 91 -2








2 103 1












8 103 0








3 113 -3












9 113 2








4 109 1












10 103 0








5 87 2
























6 93 -2











Część 3.











7 91 -2











OCENA MERYTORYCZNA











8 103 0











Na podstawie ocen parametrow można stwierdzić, że wzrost skali produkcji o 1 tys. ton powoduje (ceteris paribus) wzrost kosztów calkowitych średnio o 4 mln zlotych.











9 113 2











Uzyskana ocena wydaje się być merytorycznie poprawną bowiem wzrost skali produkcji generalnie powoduje wzrost kosztow globalnych (z pewnym uproszczeniem teorii na ten temat :-0)











10 103 0











Wzrost temperatury przechowywania o 1 stopień powoduje (cp) średni wzrost kosztów calkowitych średnio o 2 mln zł. (Prawdopodobnie wynika to ze strat surowca, który przechowywany jest w zbyt ciepłych warunkach.)






















































WERYFIKACJA STATYSTYCZNA


























Weryfikację statystyczną ograniczę do wybranych interpretacji i wnioskow.


























1. Ocena dobroci dopasowania.


























OSK= 788

AE Poznan: OSK MOŻNA UZYSKAĆ Z FUNKCJI 788






















RSK = 760
średna(Y)= AE Poznan: Zwróć uwagę, że wartość tę łatwo wyznaczyć rożnymi sposobami. 101 101





















SKR = 28

























R2= 0,964467005076142

























s= 2
V= 0,01980198019802

2,36462425159279



















Model wyjaśnia ponad 96% zmienności kosztow calkowitych.


























Wartości empiryczne odchylają się od modelowych średnio o 2 mln zł.


























Współczynnik zmienności losowej V=0,019 wskazuje, że błąd standardowy sklądnika losowego jest niewielki, stanowi zaledwie 1,9 % średniego poziomu zjawiska.


























Zarówno wspolczynnik determinacji, jak i wspólczynnikzmienności losowej, wskazuje, że model jest dobrze dopasowany do danych empirycznych.






















































2. Weryfikacja istotności zmiennych.


























Błąd szacunku parametru B1 wynosi 0,7746, co oznacza, że możliwe oceny parametru odchylają się od jego nieznanej wartości średnio o 0,7746.


























Aby zweryfikować hipotezę H0: B1=0 porównujemy empiryczną wartość statystyki t z wartością krytyczną t (alfa, stopnie zswobody). I tak:


























jeżeli poziom istotności alfa = 0,05


























I t1=5,16 I > t kryt = 2,36462425159279


2,16836993070859
5,83163006929141

















Hipotezę zerową należy odrzucić. Parametr B1 jest istotnie rożny od zera, a z tego wynika, że zmienna X1 istotnie wpływa na ksztaltowanie się kosztow calkowitych.


























Przedzial ufności dla parametru B1 (postaci <2,168 ; 5,83>) oznacza, że z prawdopodobieństwem 0,95 rzeczywista wartość parametru B1 jest liczba z tego przedzialu.


























Przedzial ufności potwierdza nam, że parametr ten z ufnoscią 95% jest rożny od zera - przedział nie zawiera bowiem wartości 0.



















































































96 9 19 1























104 10 21 1























110 12 22 1























110 11 22 1 96 104 110 110 89 91 89 103 115 103













89 8 17 1 9 10 12 11 8 9 8 11 12 10













91 9 18 1 19 21 22 22 17 18 19 19 22 21













89 8 19 1 1 1 1 1 1 1 1 1 1 1













103 11 19 1























115 12 22 1























103 10 21 1
















































































y x1 x2























y 1020 2020 100























x1 2020 4030 200























x2 100 200 10
























Sheet 3: Ć1-przychód

Ćwiczenie 1 - PROSTY PRZYKŁAD OBLICZENIOWY










































W pewnym przedsiębiorstwie usługowym postawiono hipotezę, że wartość miesięcznych przychodów (w tys. USD) zależy liniowo od wydatków na reklamę (w tys. USD).






































Postanowioo oszaocować parametry modelu o hipotetycznej postaci:







































Y^=4*x+10













Oto zgeomadzone obserwacje.
























LP Przychody Y Wydatki na reklamę X Y*Y Y*X X*X Y^ e e^2



1 13 1 169 13 1 14 -1 1



2 11 0 121 0 0 10 1 1



3 21 3 441 63 9 22 -1 1



4 18 2 324 36 4 18 0 0



5 27 4 729 108 16 26 1 1



SUMY: 90 10 1784 220 30 90 0 4


















































































CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU - obliczenia "ręczne")









13 1 1







1. Oszacuj parametry strukturalne modelu metodą najmniejszych kwadratów









11 0 1 13 11 21 18 27


a) wykonując obliczenia na kartce









21 3 1 1 0 3 2 4


b) wykorzystując funkcje excela: macierz.iloczyn(;), macierz.odw() itp..









18 2 1 1 1 1 1 1













27 4 1







2. Zinterpretuj i nazwij uzyskane oceny parametrów.




















3. Ustal wartości modelowe i reszty modelu.










Y X 1

















Y 1784 220 90

















X 220 30 10
Przychody Y (y-ySr)^2 (y^-yśr)^2


CZĘŚĆ 2 - WERYFIKACJA MODELU









1 90 10 5
13 25 16


Wstępne obliczenia














11 49 64


4. Ustal SKR














21 9 16


5. Dokonaj pomiaru zmienności zmiennej objaśnianej za pomocą tzw. OSK









XtX-1 0,1 -0,2

18 0 0


Ocena dobroci dopasowania modelu do danych empirycznych










-0,2 0,6

27 81 64


6. Ustal i zinterpretuj wartość współczynnika indeterminacji (fi2) i determinacji (R2)













suma 90 164 160


Ocena wpływu czynników losowych









b1 4








7. Ustal i zinterpretuj ocenę odchylenia standardowego składnika losowego.









b2 10


yśr= 18



8. Czy wpływ czynników losowych jest silny?




















Ocena istotności wpływu zmiennych/weryfikacja hipotez dotyczących parametrów strukturalnych













OSK= 164




9. Ustal i zinterpretuj oceny błędów średnich estymatora Klasycznej Metody Najmniejszych Kwadratów (tzw. błedy szacunku)













RSK= 160




10. Czy wydatki na reklamę wpływają w sposób istotny na przychody?













SKR= 4




Zweryfikuj przyjmując pozom ufnosci 0,95 (95%).




















11. Skonstruuj przedział ufności dla parametrów strukturalnych modelu, przyjmując poziom ufności 0,99. Zinterpretuj te przedziały.













R^2= 0,975609756097561



















Fi^2= 0,024390243902439









































T= 5




CZĘŚĆ 1 - SZACOWANIE I WERYFIKACJA MODELU - ZASTOSOWANIE FUNKCJI EXCELA













K= 2




1. Oszacuj parametry strukturalne modelu metodą najmniejszych kwadratów




















c) dokładając tzw "trend" (w tym przypadku określenie nie jest poprawne) do wykresu, poprzez klinięcie na prawy przycisk myszy













s 1,15470053837925




d) stosując analizę danych-regresję













Vy= 6%




e) stosując funkcję reglinp




















2. Wskaż wszystkie wartości wyznaczone wcześniej "ręcznie".

























































d1= 0,365148371670111



















d2= 0,894427190999916









































t1= 10,9544511501033



















t2= 11,180339887499














rozklad t odw





















3,18244630528371









































przedzial ufnosci










































2,83793491369809
5,16206508630191









Sheet 4: Ć2-nieruchomości

ĆWICZENIE 2


















Z rynku nieruchomości


















Poniższe dane pochodzą z biura obrotu nieruchomościami (przy czym ceny sprzedaży zostały nieco przekształcone, za pomocą takiego samego czynnika skalującego)


















Y- cena sprzedaży domu w tys. zł


















X1 - wiek domu w latach


















X3 - powierzchnia domu w m2






































Y X1 - wiek domu X2 - powierzchnia domu const















259 3 150 1















298 4 160 1















365 5 200 1















330 40 130 1















695 55 180 1















380 10 200 1















291 7 160 1















606 8 300 1















820 11 400 1















540 10 260 1















650 60 250 1















490 20 200 1















874 32 350 1



































CZEŚĆ 1 - SZACOWANIE I INTERPRETACJA MODELU LINIOWEGO


















1. Oszacuj parametry modelu, towrząc macierz cross i wykorzystując funkcje macierz.iloczyn(;) i macierz.odw()


















2. Zinterpretuj uzyskane oceny






































CZEŚĆ 2 - WERYFIKACJA MODELU EKONOMETRYCZNEGO - obliczenia samodzielne


















Korzystając z macierzy CROSS i oszacowanego wektora parametrów wykonaj plecenia


















1. Ustal wartość współczynnika determinacji


















2. Ustal ocenę odchylenia standardowwego składnika losowego


















3. Ustal tzw. błędy szacunku parametrów


















4. Zweryfikuj, czy zmienne sa istotne, przyjmując poziom ufności 0,95


















5. Ustal przedziały ufności dla parametrów (poziom ufności 0,95)


















Uzyskaj raport z analizy danych i sprawdź poprawność obliczeń






































CZĘŚĆ 3*** - WERYFIKACJA WYBRANYCH ZAŁOŻEŃ KLASYCZNEJ REGRESJI LINIOWEJ (KRL)


















1. Zweryfikuj, czy występuje heteroskedastyczność składnika losowego, stosując test Goldfelda-Quandta


















Przyjmijmy, że zróżnicowanie wyceny rynkowej wzrastać może proporcjonalnie do wieku budynku.


















2. Rozważ, jakie konsekwencje ma ewentualna heteroskedastyczność składnika losowego


















3.Zastosuj właściwą metodę estymacji (WMNK), zakładając, że odchylenie standardowe składnika losowe rośnie proporcjonalnie do wieku domu.














































































Y X1 - wiek domu X2 - powierzchnia domu


Dane transponowane












259 3 150


AE Poznan: Wklejono specjalnie "z transpozycją") Y 259 298 365 330 695 380 291 606 820 540 650 490 874
298 4 160


X1 - wiek domu 3 4 5 40 55 10 7 8 11 10 60 20 32
365 5 200


X2 - powierzchnia domu 150 160 200 130 180 200 160 300 400 260 250 200 350
330 40 130


const 1 1 1 1 1 1 1 1 1 1 1 1 1
695 55 180
















380 10 200
















291 7 160
















606 8 300
















820 11 400
















540 10 260
















650 60 250
















490 20 200
















874 32 350

















Sheet 5: Ć3- trend

ĆWICZENIE 3 - TREND liniowy













Pewna firma consultingowa z siedzibą za granicą rozpoczęła w I kwartale 2004 roku swoją działalność w Polsce













Oto jak ksztaltowała się liczba klientow w kolejnych kwartałach.

































Inne sposoby numeracji okresów



Liczba klientów t
wersja 2 wersja 3
2004 II 16 1
-8 -8

III 17 2
-7 -7

IV 16 3
-6 -6
2005 I 20 4
-5 -5

II 21 5
-4 -4

III 20 6
-3 -3

IV 26 7
-2 -2
2006 I 30 8
-1 -1

II 33 9
0 1

III 31 10
1 2

IV 34 11
2 3
2007 I 36 12
3 4

II 38 13
4 5

III 42 14
5 6

IV 40 15
6 7
2008 I 44 16
7 8








II 46 17
8 9




















































CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU













1. Oszacuj parametry trendu liniowego KMNK













2. Zinterpretuj oszacowane parametry.













3. Ustal reszty modelu.













4. Który z innych sposobów numeracji okresów jest również prawidłowy? Zastosuj ten sposób i porównaj wyniki.













5. Jeżeli do szacowania wykorzystaleś(aś) narzędzia Excela, teraz zastanó się, czy wiesz, jak skonstruowac macierz CROSS.


























































CZĘŚĆ 2 - WERYFIKACJA MODELU













6. Oceń dobroć dopasowania modelu.













7. Oceń wpływ czynników losowych.













8. Podaj i zinterpretuj tzw błędy szacunku parametrów.













9. Zweryfikuj, czy prawdziwa wartość współczynnika kierunkowego może wynosić 2,5 (poziom ufności 0,95).














Sheet 6: C4-długośc życia

Ćwiczenie 4- determinanty długości życia














W poniższej tabeli przedstawiono dane dotyczące średniej długości życia w wybranych losowo krajach, a także średniego rocznego spożycia alkoholu (w litrach spirytusu na osobę), średnich wydatków na rekreację i ochronę zdrowia (w tys. USD na osobę) oraz średniomiesięcznych wydatków na wyroby tytoniowe (w USD na osobę)








Kraj Średni wiek Alkohol Rekreacja i ochr. zdr. Tytoń


1 63 3 1,5 8


2 57 6 2 10


3 56 4 1,5 10


4 75 1 2,5 5


5 83 2 3 5


6 78 1 2,5 3


7 96 2 4 3


8 70 2 1 1


9 71 4 2 4










CZĘŚĆ 1 - SZACOWANIE I INTERPRETACJA PARAMETRÓW MODELU






1. Oszacuj parametry modelu liniowego, pokazującego jak na dlugość życia wpływają spożycie alkoholu, wyrobów tytoniowych oraz dbanie o zdrowie i rekreację.






Skorzystaj z raportu reglinp lub analizy danych.






2. Zinterpretuj uzyskane oceny i oceń, czy są poprawne merytorycznie.














CZĘŚĆ 2 - WERYFIKACJA MODELU






3. Czy model jest dobrze dopasowany do danych empirycznych?






4. Oceń wpływ czynników losowych.






5. Która ze zmiennych jest nieistotna w tym modelu? Zweryfikuj na poziomie istotności 0,05.






7. Sprawdź, czy jej nieistoność wynika ze skorelowania z inną zmienną (skorzystaj z analizy danych - korelacja)






8. Na czym polega problem współliniowości zmiennych?






10. ***Sprawdź (w odniesieniu do nieistotnej zmiennej), czy można wnioskować o znaku parametru, wyrażającego jej wpływ (poziom istotności 0,05)






11. Co należy zrobić, aby uzyskać model, który mógłby zostać wykorzystany do prognozowania






12. Przeprowadź dobór zmiennych do modelu zgodnie z regresją krokową wstecz.







Sheet 7: CS-Banki

CASE STUDY - BANKI
















Postanowiono zbadać wpływ czterech różnych czynników na wynik finasowy 24 bankow. Jako zmienną objaśnianą Y przyjęto wynik finansowy oddziału (w tys. zł), zaś jako zmienne objasniające: saldo kredytów w oddziale (X1 - w tys. zł), saldo depozytów w odziale (X2 - w tys. zł), koszty marketingu (X3 - w tys. zł), ilość zatrudnionych w oddziale (X4 - w etatach)
Przyjęto hipotezę, że badaną zalezność opisuje model liniowy :







Y = B1X2 + B2X2 + B3X3 + B4X4 + B5 + epsilon












Wynik - Y Kredyty - X1 Depozyty - X2 Marketing - X3 Zatrudnienie - X4



1047 31877 14241 121 29



997 25745 17237 114 23,33



224 13554 19742 61 45



-121 1445 24891 45 50,38



1452 35636 10722 120 29,75



4420 101712 80114 139 135,91



569 22585 15220 40 28,5



-315 9838 12369 15 23



1286 44568 41637 50 55,6



424 18758 14087 78 34,64



-216 7582 21876 11 32,75



79 19277 19331 31 28,75



-794 11153 32086 37 30,75



838 32531 7602 50 29



345 13156 6656 51 23,5



434 28516 24960 92 45



861 52872 41000 51 81,17



510 30798 29818 66 38,25



2060 69607 22012 81 45,75



-172 14231 26813 59 23



-115 18009 22107 44 39,88



-985 6372 70325 24 94,25



289 21844 30887 93 41,75



387 27217 5154 37 17,5





















1. Oszacuj parametry strukturalne modelu i je zinterpretuj.







2. Dokonaj oceny dopasowania modelu, interpretując miary dopasowania.







3.. Zweryfikuj, cz zmienne są istotne (poziom istotności 0,05).







4. Zastosuj regresję krokową wstecz, aby "poprawić" ten model.








Wyszukiwarka

Podobne podstrony:
WSB LAB NIELINIOWE Cz2 2011 12
regulamin-lab-TCBiMT-TMWiB 2011-12, Czwartek - Ceramika budowlana i materiały termoizolacyjne
zaktualizoawany-harmonogram-lab-CBiMT-Csf4 2011-12, Czwartek - Ceramika budowlana i materiały termoi
OCENY Projektowanie i budowa linii LAB-S1 ET-32 6 sem 2011-12, laborki Niester
har lab ea di 1 02 elektrotechnika 2011 12
plan lab Przem 2011 12 st, Elektrotechnika, Downloads
wsb nieliniowe tablica 2011 12
wsb model NIELINIOWE Cz1 2011 12
Kopia wsb model NIELINIOWE Cz1 2011 12
K1 2011 12 zad 2
1 MSL temat 2011 12 zaoczneid 1 Nieznany
Pochodne funkcji, IB i IŚ, 2011 12
Calki, IB i IS, 2011 12 id 1073 Nieznany
dodatkowe8 analiza 2011 12 id 1 Nieznany
egz pol ETI EiT 2011 12
Lista zagadnien 2011-12, ! UR Towaroznawstwo, II ROK, chai
ćw 5 pdf przekształcenia użytkow, teren 2011 12

więcej podobnych podstron