Метод наименьших квадратов для однофакторной линейной регрессии
Найдем полуширину доверительного интервала в каждой точке выборки Xпр
![]()
δ = σе ty 1 + + = 10.4 Ч 2.016 1 + +
Отсюда получим, что δ = 23,20.
В приведенной формуле:
![]()
![]()
![]()
σе
= MSE = 108.25 = 10.40 –
среднеквадратичное
отклонение
выборочных
точек от линии
регрессии.
ty = 2,16 – критическая точка распределения Стъюдента для надежности γ = 0,95 и K2 = 13 при n = 15.
SX = ∑(xi-x)2 или
SX = (n – 1) х D(X) = 14 х 588 х 39 = 8237,46;
Прогнозируемый доверительный интервал для любого X1 такой (ỹ – δ; ỹ + δ).
Совокупность доверительных интервалов для всех X1 из области прогнозов образует доверительную область, которая представляет область заключения между двумя гиперболами. Наиболее узкое место в точке X.
Прогноз для Х1 составит от 15,7 до 62,1 с гарантией 95%. То есть можно сказать, что при сборе овощей 50 центнеров с 1 га уровень убыточности сельскохозяйственной продукции можно спрогнозировать на уровне 15,7% – 62,1%.
Найдем эластичность Y = 73.70 – 0.6960X.
В нашем случае (для линейной модели) Ex = -0.6960X/(73.70 – 0.6960X).
В численном выражении это составит:
Eх=50 = -0,6960Ч50 / (73.70 – 0.6960Ч50) = – 0,8946;
Коэффициент эластичности показывает, что при изменении величины Х1 на 1% показатель Y уменьшается на 0,8946%.
Например, если Х1 = 50,5 (т.е. увеличился на 1%), то Y = 38.9 + 38.9Ч(-0,008946) = 38,5520006.
Проверим и Yх =50,5 = 73.70 – 0.6960X = 73.70 – 0.6960 Ч 50,50 = 38,552.