Przykład 1
Problem badawczy
(na podstawie danych, plik budżet-produkcja.xls)
Zbadaj wpływ wysokości produkcji sprzedanej na dochody budżetów gmin wykorzystując model regresji liniowej prostej. Dokonaj jego pełnej charakterystyki.
Równanie prognozy ma postać:
Estymatory parametrów:
Miara dopasowania modelu
Zmienność zmiennej zależnej
została wyjaśniona przez model w 94%, tzn. model jest bardzo dobrze dopasowany do danych.
Istotność modelu
Współczynnik determinacji
jest istotny dla modelu, gdyż w teście istotności próbkowy poziom istotności F-value=3,716*10-31, tj. 0,00%, jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
Istotność parametrów modelu
istotność
Parametr istotny, gdyż w teście istotności próbkowy poziom istotności p-value=7,724*10-9, tj. 0,00%, jest jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
istotność
Parametr istotny, gdyż w teście istotności próbkowy poziom istotności p-value=3,716*10-31, tj. 0,00%, jest jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
Współczynnik korelacji
Współczynnik korelacji
wskazuje na bardzo silny dodatni zwiazek między analizowanymi zmiennymi.
Wyznaczanie prognozy dla wartości typowych
Do równania prognozy w miejsce zmiennej niezależnej można podstawiać jednynie wartości z powyższego przedziału.
Przyrost krańcowy (marginalny)
Wyznaczenie przyrostu krańcowego to obliczenie pochodnej równania prognozy względem zmiennej X.
Jeśli zmienna niezależna X (produkcja sprzedana przemysłu) wzrośnie o 1 jednostkę (o 1 mln zł) to zmienna zależna (dochody budżetu gmin) Y wzrośnie o 0,074 jednostki (o 0,074 mln zł)
Elastyczność
Za zmienne X i Y zostały podstawione mediany, gdyż rozkład X i rozkład Y nie jest normalny.
Jeśli zmienna niezależna X (produkcja sprzedana przemysłu) wzrośnie o 1% to zmienna zależna Y (dochody budżetu gmin) wzrośnie o 0,64%.
Autokorelacja składnika resztowego
Wartość statystyki z próby:
Przy
oraz
wartości z tablic rozkładu Durbina-Watsona wynoszą
oraz
Wartość statystyki testowej z próby należy do obszaru przyjęć. Wobec tego stwierdzamy, iż nie występuje autokorelacja składników losowych. Jest to sytuacja pożądana w modelu.
Przykład 2
Problem badawczy
(na podstawie danych, plik samochody-spalanie.xls)
Zbadaj w jakim stopniu moc samochodu (ilość koni mechanicznych) wpływa na zużycie benzyny (ilość mil na 1 galonie) wykorzystując model regresji liniowej prostej. Dokonaj jego pełnej charakterystyki.
Równanie prognozy ma postać:
Estymatory parametrów:
Miara dopasowania modelu
Zmienność zmiennej zależnej
została wyjaśniona przez model w 70%, tzn. model jest dobrze dopasowany do danych.
Istotność modelu
Współczynnik determinacji
jest istotny dla modelu, gdyż w teście próbkowy poziom istotności F-value= 2,127*10-22, tj. 0,00%, jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
Istotność parametrów modelu
istotność
Parametr istotny, gdyż w teście istotności próbkowy poziom istotności p-value=1,177*10-48, tj. 0,00%, jest jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
istotność
Parametr istotny, gdyż w teście istotności próbkowy poziom istotności p-value=2,127*10-22, tj. 0,00%, jest jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
Współczynnik korelacji
Współczynnik korelacji
wskazuje na silny dodatni zwiazek między analizowanymi zmiennymi.
Wyznaczanie prognozy dla wartości typowych
Do równania prognozy w miejsce zmiennej niezależnej można podstawiać jednynie wartości z powyższego przedziału.
Przyrost krańcowy (marginalny)
Wyznaczenie przyrostu krańcowego to obliczenie pochodnej równania prognozy względem zmiennej X.
Jeśli zmienna niezależna X (ilość koni mechanicznych) wzrośnie o 1 jednostkę (o 1 KM) to zmienna zależna Y (ilość mil na 1 galonie) zmaleje o 0,68 jednostki (o 0,68 mili).
Elastyczność
Za zmienne X i Y zostały podstawione mediany, gdyż rozkład X i rozkład Y nie jest normalny.
Jeśli zmienna niezależna X (ilość koni mechanicznych) wzrośnie o 1% to zmienna zależna Y (ilość mil na 1 galonie) zmaleje o 0,25%.
Autokorelacja składnika resztowego
Wartość statystyki z próby:
Przy
oraz
wartości z tablic rozkładu Durbina-Watsona wynoszą
oraz
Wartość statystyki testowej z próby należy do obszaru odrzuceń. Wobec tego stwierdzamy, iż występuje autokorelacja składników losowych. Jest to sytuacja niepożądana w modelu.
Przykład 3
Problem badawczy
(na podstawie danych, plik bezrobocie-przestępczość.xls)
Wykorzystując model regresji liniowej prostej zbadaj wpływ stopy bezrobocia wśród mężczyzn na poziom przestępczości. Dokonaj pełnej charakterystyki modelu.
Równanie prognozy ma postać:
Estymatory parametrów:
Miara dopasowania modelu
Zmienność zmiennej zależnej
została wyjaśniona przez model w 0,00%, tzn. model nie jest dopasowany do danych.
Istotność modelu
Współczynnik determinacji
nie jest istotny dla modelu, gdyż w teście istotności próbkowy poziom istotności F-value=0,736, tj, 73,6% jest większy od 5%, a więc hipoteza zerowa nie została odrzucona. Oznacza to nie przyjęcie tego modelu, gdyż model ten nie jest istotny.
Dalsza część przykładu jest objaśniona jedynie w celach ćwiczeniowych, gdyż odrzucenie modelu nie pozwala na przyjęcie poniższych wniosków za wiarygodne.
Istotność parametrów modelu
istotność
Parametr istotny, gdyż w teście istotności próbkowy poziom istotności p-value=0,002, tj. 0,2% jest jest mniejszy od 5%, a więc hipoteza zerowa została odrzucona.
istotność
Parametr nie istotny, gdyż w teście istotności próbkowy poziom istotności p-value=0,736, tj. 73,6% jest jest większy od 5%, a więc hipoteza zerowa nie została odrzucona.
Współczynnik korelacji
Współczynnik korelacji
wskazuje na bardzo słaby ujemny zwiazek między analizowanymi zmiennymi.
Wyznaczanie prognozy dla wartości typowych
Do równania prognozy w miejsce zmiennej niezależnej można podstawiać jednynie wartości z powyższego przedziału.
Przyrost krańcowy (marginalny)
Wyznaczenie przyrostu krańcowego to obliczenie pochodnej równania prognozy względem zmiennej X.
Jeśli zmienna niezależna X (stopa bezrobocia) wzrośnie o 1 jednostkę (o 1 osobę bezrobotną na 1000) to zmienna zależna Y (stopa przestępczości) zmaleje o 0,11 jednostki (o 0,11 przestępstwa na 1 mln mieszkańców).
Elastyczność
Za zmienną X została podstawiona średnia, gdyż jej rozkład jest normalny, natomiast za Y została podstawiona mediana, gdyż jej rozkład nie jest normalny.
Jeśli zmienna niezależna X (stopa bezrobocia) wzrośnie o 1% to zmienna zależna Y (stopa przestępczości) zmaleje o 0,13%.
Autokorelacja składnika resztowego
Wartość statystyki z próby:
Przy
oraz
wartości z tablic rozkładu Durbina-Watsona wynoszą
oraz
Wartość statystyki testowej z próby należy do obszaru, gdzie nie można podjąć żadnej decyzji, co do występowania bądź też nie autokorelacji składników losowych. Jest to sytuacja patowa, niekorzystna dla modelu regresji.