Перепишите в тетрадь «Краткие теоретические сведения»
1. Выполните Задания по Инструкции (со с.3), рассмотрев сначала Типовой пример. Если нет возможности на компьютере – перепишите в тетрадь выполнение работы (как делать, правая сторона инструкции)
Запишите неясные вопросы
Сделайте скриншот выполненной работы. Сохраняйте
4. Покажите работу преподавателю (почта lagutina_6464@.mail.ru или в ВК, не забудьте группу и ФИО)
Краткие теоретические сведения
РЕГРЕССИОННЫЙ АНАЛИЗ В EXCEL
Регрессионный анализ в Excel - показывает влияние одних значений (самостоятельных, независимых) на зависимую переменную. К примеру, как зависит количество экономически активного населения от числа предприятий, величины заработной платы и др. параметров. Или: как влияют иностранные инвестиции, цены на энергоресурсы и др. на уровень ВВП.
Результат анализа позволяет выделять приоритеты. И основываясь на главных факторах, прогнозировать, планировать развитие приоритетных направлений, принимать управленческие решения.
|
|
Регрессия бывает:
· линейной (у = а + bx);
· параболической (y = a + bx + cx2);
· экспоненциальной (y = a * exp(bx));
· степенной (y = a*x^b);
· гиперболической (y = b/x + a);
· логарифмической (y = b * 1n(x) + a);
· показательной (y = a * b^x).
ПРОГНОЗИРОВАНИЕ В MS EXCEL
Краткие теоретические сведения
Целью прогнозирования является выявление текущей тенденции, и определение предполагаемого результата в отношении изучаемого объекта на определенный момент времени в будущем.
Одним из самых популярных видов графического прогнозирования в Экселе является экстраполяция выполненная построением линии тренда.
Получение регрессионной модели происходит в два этапа:
- подбор вида функции;
- вычисление параметров функции.
Чаще всего выбор производится среди следующих функций:
- линейная функция;
- квадратичная функция;
- логарифмическая функция;
- экспоненциальная функция;
- степенная функция.
Во всех этих формулах x – аргумент, y – значение функции, a, b, c – параметры функций.
При выборе одной из функций нужно подобрать параметры так, чтобы функция располагалась как можно ближе к экспериментальным точкам. Существует метод вычисления параметров, он был предложен в 18 веке немецким математиком Гауссом и называется - метод наименьших квадратов (МНК).
Суть – искомая функция должна быть построена так, чтобы сумма квадратов отклонений y-координат всех экспериментальных точек от y-координат графика функции была бы минимальна.
ПОСЛЕДОВАТЕЛЬНОСТЬ ВЫПОЛНЕНИЯ РАБОТЫ
№ п/п | № п/п | Что делать? | Как делать? | ||
1 | ПОЛУЧЕНИЕ РЕГРЕССИОННЫХ МОДЕЛЕЙ В MS EXCEL | ||||
Типовой пример
| |||||
Задача. На 6 предприятиях была проанализирована среднемесячная заработная плата и количество уволившихся сотрудников. Необходимо определить зависимость числа уволившихся сотрудников от средней зарплаты.
| Модель линейной регрессии имеет следующий вид: У = а0 + а1х1 +…+акхк. Где а – коэффициенты регрессии, х – влияющие переменные, к – число факторов. В нашем примере в качестве У выступает показатель уволившихся работников. Влияющий фактор – заработная плата (х). В Excel существуют встроенные функции, с помощью которых можно рассчитать параметры модели линейной регрессии. Но быстрее это сделает надстройка «Пакет анализа». | ||||
1 | Активируем мощный аналитический инструмент | 1. 1.Нажимаем кнопку «Офис» и переходим на вкладку «Параметры Excel». «Надстройки». 2. 2.Внизу, под выпадающим списком, в поле «Управление» будет надпись «Надстройки Excel» (если ее нет, нажмите на флажок справа и выберите). И кнопка «Перейти». Жмем. 3. 3.Открывается список доступных надстроек. Выбираем «Пакет анализа» и нажимаем ОК. После активации надстройка будет доступна на вкладке «Данные». | |||
2. | Теперь займемся непосредственно регрессионным анализом. | 1. Открываем меню инструмента «Анализ данных». Выбираем «Регрессия».
| |||
3. | В первую очередь обращаем внимание на R-квадрат и коэффициенты. R-квадрат – коэффициент детерминации. В нашем примере – 0,755, или 75,5%. Это означает, что расчетные параметры модели на 75,5% объясняют зависимость между изучаемыми параметрами. Чем выше коэффициент детерминации, тем качественнее модель. Хорошо – выше 0,8. Плохо – меньше 0,5 (такой анализ вряд ли можно считать резонным). В нашем примере – «неплохо». Коэффициент 64,1428 показывает, каким будет Y, если все переменные в рассматриваемой модели будут равны 0. То есть на значение анализируемого параметра влияют и другие факторы, не описанные в модели. Коэффициент -0,16285 показывает весомость переменной Х на Y. То есть среднемесячная заработная плата в пределах данной модели влияет на количество уволившихся с весом -0,16285 (это небольшая степень влияния). Знак «-» указывает на отрицательное влияние: чем больше зарплата, тем меньше уволившихся. Что справедливо. | ||||
ХОД РАБОТЫ (1)
| |||||
Задание 1 1. Ввести табличные данные зависимости заболеваемости бронхиальной астмой от концентрации угарного газа в атмосфере | Представить зависимость в виде точечной диаграммы | ||||
Задание 2 Требуется получить три варианта регрессионных моделей (три графических тренда) зависимости заболеваемости бронхиальной астмой от концентрации угарного газа в атмосфере. | 1. Для получения линейного тренда выполнить следующий алгоритм: => щелкнуть на поле диаграммы «Заболеваемость астмой», построенной в предыдущем задании; => выполнить команду Диаграмма —> Добавить линию тренда; => в открывшемся окне на вкладке Тип выбрать Линейный тренд; => перейти на вкладку Параметры; установить галочки на флажках: показывать уравнения на диаграмме и поместить на диаграмму величину достоверности аппроксимации R^2; =< щелкнуть на кнопке ОК. Полученная диаграмма представлена на рисунке. | ||||
2. Получить экспоненциальный тренд | Алгоритм аналогичен предыдущему. На закладке Тип выбрать Экспоненциальный тренд. Результат представлен на рисунке. | ||||
3. Получить квадратичный тренд | Алгоритм аналогичен предыдущему. На закладке Тип выбрать Полиномиальный тренд с указанием степени 2. Результат представлен на рисунке. | ||||
2.ПРОГНОЗИРОВАНИЕ В MS EXCEL
Типовой пример
| |||||
Попробуем предсказать сумму прибыли предприятия через 3 года на основе данных по этому показателю за предыдущие 12 лет.
| |||||
Строим график зависимости на основе табличных данных, состоящих из аргументов и значений функции. | Для этого выделяем табличную область, а затем, находясь во вкладке «Вставка», кликаем по значку нужного вида диаграммы, который находится в блоке «Диаграммы». Затем выбираем подходящий для конкретной ситуации тип. Лучше всего выбрать точечную диаграмму. Можно выбрать и другой вид, но тогда, чтобы данные отображались корректно, придется выполнить редактирование, в частности убрать линию аргумента и выбрать другую шкалу горизонтальной оси. | ||||
Теперь нам нужно построить линию тренда | Делаем щелчок правой кнопкой мыши по любой из точек диаграммы. В активировавшемся контекстном меню останавливаем выбор на пункте «Добавить линию тренда».
Открывается окно форматирования линии тренда. В нем можно выбрать один из шести видов аппроксимации:
| ||||
ХОД РАБОТЫ (2)
| |||||
Задание 1. Требуется выполнить прогнозирование заболеваемости бронхиальной астмой при концентрации угарного газа равной 3 мг/куб. м. методом восстановления значения, воспользовавшись квадратичной зависимостью, полученной в предыдущей работе. | |||||
1. | Построить следующую электронную таблицу: | ||||
2. | Подставить в ячейку А2 значение концентрации угарного газа, равного 3 мг/куб. м | В результате получим: | |||
Задание 2 Требуется выполнить прогнозирование заболеваемости бронхиальной астмой при концентрации угарного газа равной б мг/куб. м. методом графической экстраполяции у воспользовавшись квадратичной зависимостью, полученной в предыдущей работе. | |||||
Выполнить построение квадратичного тренда по алгоритму, описанному в предыдущей работе, добавив в него следующее действие | => на вкладке Параметры в области Прогноз в строке вперед на установить 2 единицы. Здесь имеются в виду единицы используемого масштаба по горизонтальной оси. . Оценить приблизительно на полученном графике значение функции при значении аргумента, равном 6. |
Задание для самостоятельного выполнения на получение регрессионных зависимостей:
В следующей таблице приводится прогноз средней дневной температуры на последнюю неделю мая в различных городах европейской части России. Названия городов расставлены в алфавитном порядке. Указана также географическая широта этих городов.
Построить несколько вариантов регрессионных моделей (не менее трех), отражающих зависимость температуры от широты города. Выбрать наиболее подходящую функцию.