А)Определение коэффициента корреляции
Премия | Производительность | ||
Премия | Коэффициент корреляции | ,982** | |
Производительность | Коэффициент корреляции | ,982** |
Б)
Затраты на содержание основныхс редств1ц/руб | Урожайность пшеницы ц/га | ||
Затраты на содержание основных средств 1ц/руб | Коэффициент корреляции | -,113 | |
Урожайность пшеницы ц/га | Коэффициент корреляции | -,113 |
Затраты на содержание основных средств1ц/руб | Рентабельность | ||
Затраты на содержание основных средств 1цр/уб | Коэффициент корреляции | -,161 | |
Рентабельность | Коэффициент корреляции | -,161 |
В)
ЗатратынаГСМ | Рентабельность | ||
Затраты на ГСМ | Коэффициент корреляции | -,056 | |
Рентабельность | Коэффициент корреляции | -,056 |
Неленейная регрессия
Графически отобразим фактические значения прибыли в зависимости от премиальных выплат
Анализируя график можем сделать вывод: с увеличением премиальных выплат увеличилась средняя прибыль.
|
|
Рассчитать прогнозное значение прибыли, согласно полученной модели(полином второй степени)
Y=ao+a1*x+a2*x2^2
Премиальные выплаты | Расчетная прибыль |
128,48 | |
137,72 | |
144,9 | |
150,01 | |
153,06 | |
154,04 | |
152,97 | |
149,83 | |
144,62 | |
137,36 | |
128,03 |
Представить графически уровень расчетной прибыли зависимости от премиальных выплат
Анализируя график можно сделать вывод: График имеет сглаженный характер. При увеличении премиальных выплатах увеличивалась средняя расчетная прибыль до отметки 725, после чего средняя расчетная прибыль уменьшалась.
Рассчитать прибыль при следующих значениях премиальных выплат: 890,810,745.
Премиальные выплаты | Расчетная прибыль |
108,81 | |
97,22 | |
153,35 |
Линейная регрессия
Correlations | |||||||
численность промышленно-производственного персонала, чел. | среднегодовая стоимость основных фондов, млн. руб. | износ основных фондов, % | электровооруженность | техническая вооруженность одного рабочего, млн. руб. | выработка товарной продукции на одного работающего, руб. | ||
численность промышленно-производственного персонала, чел. | Коэффициент корреляции | ,949** | -,106 | ,031 | ,101 | ,077 | |
среднегодовая стоимость основных фондов, млн. руб. | Коэффициент корреляции | ,949** | -,153 | ,129 | ,214 | ,135 | |
износ основных фондов, % | Коэффициент корреляции | -,106 | -,153 | ,203 | ,019 | -,124 | |
электровооруженность | Коэффициент корреляции | ,031 | ,129 | ,203 | ,754** | ,481* | |
техническая вооруженность одного рабочего, млн. руб. | Коэффициент корреляции | ,101 | ,214 | ,019 | ,754** | ,667** | |
выработка товарной продукции на одного работающего, руб. | Коэффициент корреляции | ,077 | ,135 | -,124 | ,481* | ,667** |
Корреляционная связь есть только в двух случаях: у численности промышленно-производственного персонала и среднегодовой стоимости основных фондов, а так же между технической вооруженностью одного рабочего и электровооруженностью. Следовательно необходимо исключить
|
|
У= 21х1+0,06х2+797,5х3+207х4-690х5+21х6
Данное уравнение линейной регрессии использовать нельзя, почему? Так как факторы включенные в модель коррелируют между собой. Необходимо исключить следующие факторы:
Теперь составим уравнение с исключенными данными:
Модель | Коэффициент корреляции | Коэффициент детерминаци |
,998a | ,996 |
У= 21х1++797,5х3+207х4+21х6
Получаем следующие значения
Теоретический объем |
-7053 |
-5839 |
-28043 |
Самостоятельная работа (вариант 2)
А)Расчитать матрицу парных коэффициентов корреляции
Б)Построить уравнение множественной регрессии(2). Дать описание полученным уравнениям.
В)Расчитать прогнозное значение y
Задание № 1
А)
город области (1- Подольск, 2-Люберцы) | общая площадь число комнат в квартире квартиры (м2) | общая площадь квартиры (м2) | жилая площадь квартиры (м2) | этаж квартиры | площадь кухни (м2) | ||
город области (1- Подольск, 2-Люберцы) | Коэффициент корреляции | ,101 | ,069 | ,100 | -,194 | -,023 | |
общая площадь число комнат в квартире квартиры (м2) | Коэффициент корреляции | ,101 | ,809** | ,891** | -,016 | ,222* | |
общая площадь квартиры (м2) | Коэффициент корреляции | ,069 | ,809** | ,955** | ,084 | ,633** | |
жилая площадь квартиры (м2) | Коэффициент корреляции | ,100 | ,891** | ,955** | ,002 | ,506** | |
этаж квартиры | Коэффициент корреляции | -,194 | -,016 | ,084 | ,002 | ,150 | |
площадь кухни (м2) | Коэффициент корреляции | -,023 | ,222* | ,633** | ,506** | ,150 |
В ходе анализирования таблицы с помощью линейной регрессии получаем уравнение:
Б) Y=14.32x1-7.6x2+1.5x3+0.7x4-0.09x5-2.4x6
Но это уравнение использовать нельзя, потому что факторы, включенные в модель коррелируют между собой.
Коррелируют следующие признаки: Общая площадь квартиры с общей площадью числа комнат и жилая площадь квартиры с общей площадью квартиры. Исключим общую площадь квартиры. И получим
город области (1- Подольск, 2-Люберцы) | общая площадчисло комнат в квартиреь квартиры (м2) | жилая площадь квартиры (м2) | этаж квартиры | площадь кухни (м2) | ||
город области (1- Подольск, 2-Люберцы) | Коэффициент корреляции | ,101 | ,100 | -,194 | -,023 | |
общая площадчисло комнат в квартиреь квартиры (м2) | Коэффициент корреляции | ,101 | ,891** | -,016 | ,222* | |
жилая площадь квартиры (м2) | Коэффициент корреляции | ,100 | ,891** | ,002 | ,506** | |
этаж квартиры | Коэффициент корреляции | -,194 | -,016 | ,002 | ,150 | |
площадь кухни (м2) | Коэффициент корреляции | -,023 | ,222* | ,506** | ,150 |
В ходе анализирования таблицы с помощью линейной регрессии
Model | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | ||
B | Std. Error | Beta | ||||
(Constant) | -27,331 | 18,256 | -1,497 | ,139 | ||
город области (1- Подольск, 2-Люберцы) | 14,073 | 6,414 | ,130 | 2,194 | ,031 | |
общая площадь число комнат в квартире квартиры (м2) | -6,722 | 7,603 | -,139 | -,884 | ,379 | |
жилая площадь квартиры (м2) | 2,713 | ,512 | ,947 | 5,294 | ,000 | |
этаж квартиры | ,517 | ,831 | ,037 | ,622 | ,536 | |
площадь кухни (м2) | ,634 | 1,555 | ,034 | ,408 | ,684 |
Получаем уравнение
Y=14.32x1-7.6x2+0.7x3-0.09x4-2.4x5
Данное уранение может быть использовано:
Model | Коэффициент корреляции | Коэффициент детерминации |
,867a | ,752 |
Коэффициент корреляции равен 0,867 что указывает на сильную связь данных и результативных показателей. коэффициент детерминации равен 0, 752, что указывает на использование 75% данных.
В)находим прогнозное значение:
Задание № 2
|
|
А)
в том числе выручка по аудиторским проверкам (тыс. руб.) | среднее число специалистов | выручка на одного специалиста (тыс. руб.) | число аттестованных аудиторов | ||
в том числе выручка по аудиторским проверкам (тыс. руб.) | Pearson Correlation | ,793** | -,012 | ,618** | |
среднее число специалистов | Pearson Correlation | ,793** | -,238 | ,848** | |
выручка на одного специалиста (тыс. руб.) | Pearson Correlation | -,012 | -,238 | -,236 | |
число аттестованных аудиторов | Pearson Correlation | ,618** | ,848** | -,236 |
В ходе анализирования таблицы с помощью линейной регрессии получаем уравнение:
Б) Y= 1.3x1+893.9x2+9.9x3-497.11x4
Но это уравнение использовать нельзя, потому что факторы, включенные в модель коррелируют между собой.
Коррелируют следующие признаки: выручка от аудиторской проверки со средним числом специалистов и число аттестированных аудитов со средним числом специалистов. Исключим Среднее число специалистов. И получим
Correlations | ||||
в том числе выручка по аудиторским проверкам (тыс. руб.) | выручка на одного специалиста (тыс. руб.) | число аттестованных аудиторов | ||
в том числе выручка по аудиторским проверкам (тыс. руб.) | Pearson Correlation | -,012 | ,618** | |
Sig. (2-tailed) | ,940 | ,000 | ||
N | ||||
выручка на одного специалиста (тыс. руб.) | Pearson Correlation | -,012 | -,236 | |
Sig. (2-tailed) | ,940 | ,128 | ||
N | ||||
число аттестованных аудиторов | Pearson Correlation | ,618** | -,236 | |
Sig. (2-tailed) | ,000 | ,128 | ||
N | ||||
Получаем уравнение: Y= 1.3x1+9.9x2-497.11x3. Данное уранение может быть использовано:
Model | Коэффициент корреляции | Коэффициент детерминации |
,635a | ,651 |
Коэффициент корреляции равен 0,635 что указывает на сильную связь данных и результативных показателей. Коэффициент детерминации равен 0, 651, что указывает на использование 64% данных.
|
|
В) находим прогнозное значение:
588839,1 |
860733,5 |
550502,9 |
267767,2 |
587294,4 |
245673,7 |
423486,1 |
373289,2 |
424786,9 |
412248,6 |
524872,1 |
373253,8 |
397585,4 |
316965,6 |
365928,2 |
165657,3 |
179971,2 |
236695,3 |
230160,4 |
138979,6 |
297811,5 |
152662,3 |
209353,9 |
245826,2 |
162028,5 |
264712,1 |
140353,5 |
132382,1 |
136566,3 |
132816,6 |
97461,26 |
88191,04 |
128166,4 |
84600,37 |
103235,3 |
74487,06 |
75878,61 |
89412,87 |
79762,18 |
86018,27 |
группа | Среднее | Среднее по подмножеству | ||
1,00 | Среднегодовая стоимость основных производственных фондов | 168,9052 | 36,94950 | |
Среднесписочная численность персонала, тыс. чел. | 14,0478 | 2,74393 | ||
Балансовая прибыль, млн.ден. ед. | 18,3325 | 5,70931 | ||
2,00 | Среднегодовая стоимость основных производственных фондов | 45,7906 | 13,50191 | |
Среднесписочная численность персонала, тыс. чел. | 4,7780 | ,68171 | ||
Балансовая прибыль, млн.ден. ед. | 10,7580 | 2,68102 | ||
Total | Среднегодовая стоимость основных производственных фондов | 100,5082 | 69,37913 | |
Среднесписочная численность персонала, тыс. чел. | 8,8979 | 5,18891 | ||
Балансовая прибыль, млн.ден. ед. | 14,1244 | 5,63511 |
В первом подмножестве среднее значение по подмножеству значительно превышает значения по второму подмножеству.
Tests of Equality of Group Means | |||||
Wilks' Lambda | F | df1 | df2 | Sig. | |
Среднегодовая стоимость основных производственных фондов | ,125 | 48,866 | ,000 | ||
Среднесписочная численность персонала, тыс. чел. | ,113 | 54,677 | ,000 | ||
Балансовая прибыль, млн.ден. ед. | ,498 | 7,053 | ,033 |
В ходе анализирования таблицы мы можем прийти к выводу, что все признаки необходимы для дискриминации.
Определение коэффициента корреляции | ||||
Среднегодовая стоимость основных производственных фондов | Среднесписочная численность персонала, тыс. чел. | Балансовая прибыль, млн.ден. ед. | ||
Correlation | Среднегодовая стоимость основных производственных фондов | 1,000 | ,552 | ,570 |
Среднесписочная численность персонала, тыс. чел. | ,552 | 1,000 | ,733 | |
Балансовая прибыль, млн.ден. ед. | ,570 | ,733 | 1,000 |
Данная таблица показывает взаимосвязь факторов между собой.
Wilks' Lambda | ||||
Test of Function(s) | Wilks' Lambda | Chi-square | df | Sig. |
,069 | 14,745 | ,002 |
Согласно коэффициенту,связь можем считать адекватной (менее 0,05)
Structure Matrix | |
Function | |
Среднесписочная численность персонала, тыс. чел. | ,758 |
Среднегодовая стоимость основных производственных фондов | ,716 |
Балансовая прибыль, млн.ден. ед. | ,272 |
Наибольшее воздействии оказывает среднесписочная численность персонала, поменьше среднегодовая стоимость основных производственных фондов и самое меньшее воздействие оказывает балансовая прибыль.
Canonical Discriminant Function Coefficients | |
Function | |
Среднегодовая стоимость основных производственных фондов | ,024 |
Среднесписочная численность персонала, тыс. чел. | ,549 |
Балансовая прибыль, млн.ден. ед. | -,197 |
(Constant) | -4,507 |
Unstandardized coefficients |
С помощью таблицы получаем дискрименантное уравнение
D(x)=4.5+0.024x1+0.55x2-0.197x3
Case Number | Actual Group | |||
Группа | Вероятность | |||
Original | 1,000 | |||
1,000 | ||||
1,000 | ||||
1,000 | ||||
1,000 | ||||
1,000 | ||||
1,000 | ||||
1,000 | ||||
1,000 | ||||
ungrouped | ,995 | |||
ungrouped | ,926 | |||
ungrouped | 1,000 |
В ходе дискименантного анализа мы получили что, десятое предприятие попадет во вторую группу с вероятностью 99%, одиннадцатое предприятие с вероятностью в 92% попадет во первую группу и двенадцатое предприятие