На головну

Приклад № 11.

  1. F12.8 Приклади символів
  2. F13.8 Приклади символів
  3. I. Приблизний перелік питань рубіжного контролю.
  4. II. Приблизний перелік питань до заліку (іспиту) по всьому курсу.
  5. II. Приблизний перелік питань до заліку (іспиту) по всьому курсу.
  6. JIS (Just In Sequence) точно в послідовності (на прикладі компанії Фольксваrен) l
  7. V. Приклади ВИКОНАННЯ ЗАВДАНЬ по розділу ХІМІЧНІ ДЖЕРЕЛА ЕЛЕКТРИЧНОЇ ЕНЕРГІЇ

Розглянемо місячні обсяги продажів (млн. Дол.) Продукції комерційного підприємства. Фактичні обсяги продажів залежать від ціни за одиницю продукції (Х1), витрат на рекламу (Х2), і кількості працівників, зайнятих збутом продукції (Х3).

Є вибірка з восьми місяців за останні два роки:

Таблиця 11

 місяці  У (млн. $)  Х1 ($)  Х2 (10 тис. $)  Х3 (чол.)
 4,05,23,82,94,64,53,75,0  1,000,901,101,200,950,901,000,95

Для розрахунку параметрів рівняння множинної регресії скористаємося статистичної комп'ютерною програмою SGWIN 3.0.

В меню Relete (Відносини) вибераем опцію Multiple Regression (Множинна регресія), в відкрилася таблицю занесемо вихідні дані і натиснемо кнопку ОК.

В результаті отримаємо рівняння множинної регресії

У = 9,806 - 5,954 (Х1) + 0,183 (Х2) - 0,039 (Х3)

і графік підібраною моделі

Малюнок 8. Графік підібраною моделі

Рівняння регресії необхідно використовувати для оцінки обсягу продажів при заданих значеннях незалежних змінних. Наприклад, якщо ціна за одиницю складає 1.10 $, витрати на рекламу за попередній місяць - 60000 $. І збутом продукції займаються 30 осіб, то обсяги продажів можна спрогнозувати такий спосіб:

У = 9,806 - 5,954 *  1,10 + 0,183 *  6 - 0,039 *  30 = 3,185 млн. дол.

Таким чином, за даних умов прогнозний обсяг продажів складе 3,2 млн. Дол. Для дослідження ймовірної точності такого прогнозу можна провести більш поглиблений аналіз. Але й саме отримане рівняння регресії вже несе в собі певну цінну інформацію. Так, аналіз вагових коефіцієнтів трьох змінних вказує на відносну важливість кожної змінної рівняння. Як ми бачимо, найбільш важливим фактором при прогнозуванні можливого обсягу продажів за будь-якої місяць в майбутньому, є ціна за одиницю продукції. І навпаки, ваговий коефіцієнт при Х3 дуже малий, що кількість працівників, зайнятих збутом продукції, має незначний вплив на поточний обсяг продажів.

Ясно, що всі ці оцінки слід розглядати з обережністю. Так, отримана модель може бути прийнятною, за умови що незалежні змінні (фактори) лежать в заданих межах, поза цими межами модель може виявитися абсолютно ненадійної. Наприклад, в нашому випадку діапазони трьох змінних такі: Х1 (0,90 - 1,20), Х2 (5 - 10), Х3 (18 - 30). Тому модель виявиться неприйнятною при прогнозуванні обсягів продажів при заданою ціною в 2.00 $ або наявності 50 працівників, зайнятих збутом.

Питання до колоквіуму

1. Що таке діаграма розсіювання?

2. Основні етапи побудови діаграми розсіювання?

3. Що таке кореляція?

4. Лінійний коефіцієнт кореляції, формула, межі вимірювання і його значимість?

5. Що таке коефіцієнт детермінації і для чого він використовується?

6. Що таке лінія регресії?

7. Рівняння регресії в загальному вигляді і як визначаються коефіцієнти регресії?

8. Як перетворити нелінійну залежність в лінійну?


[1] Ковариация (разом + міняти, змінювати) - це сполучена мінливість двох ознак.

[2] Регресія (з латинської дослівно перекладається як) - рух назад.



Багатофакторний регресійний аналіз | Сутність соціальної відповідальності бізнесу. Бізнес, держава і соціальна відповідальність

Лінійний коефіцієнт кореляції | Приклад № 6. | Приклад № 7. | Інтерпретація лінійного коефіцієнта кореляції. Коефіцієнт детермінації (закономірності) | Приклад № 8. | регресійний аналіз | Лінія максимальної відповідності умовам. лінія регресії | Рішення | нелінійна залежність | Приклад № 10. |

© um.co.ua - учбові матеріали та реферати