Прогнозирование на основе регрессионных моделей
По имеющимся исходным данным выявить и оценить на основе регрессионных моделей производственные связи. Провести расчет прогнозных значений показателей, когда уровень факторных показателей на 30% превышают средние величины исходных данных.
Исходные данные представлены в таблице:
| № |
Удой молока на среднегодовую корову, кг |
Расход кормов на 1 корову, корм. ед. |
Удельный вес чистопородных коров в стаде, % |
Себестоимость молока за 1 кг, руб. |
| 1 | 3280 | 48,20 | 61 | 0,313 |
| 2 | 2920 | 43,10 | 54 | 0,413 |
| 3 | 5140 | 60,70 | 70 | 0,268 |
| 4 | 4630 | 60,10 | 67 | 0,310 |
| 5 | 4950 | 59,40 | 71 | 0,309 |
| 6 | 5000 | 52,50 | 74 | 0,288 |
| 7 | 2790 | 44,00 | 45 | 0,357 |
| 8 | 4340 | 54,20 | 68 | 0,247 |
| 9 | 4160 | 53,20 | 65 | 0,305 |
| 10 | 2660 | 46,40 | 51 | 0,376 |
| 11 | 2960 | 47,10 | 52 | 0,351 |
| 12 | 3230 | 46,10 | 57 | 0,356 |
| 13 | 3480 | 53,90 | 58 | 0,312 |
| 14 | 3230 | 53,40 | 52 | 0,415 |
| 15 | 2370 | 39,40 | 44 | 0,411 |
| 16 | 2610 | 40,20 | 50 | 0,380 |
| 17 | 3000 | 45,50 | 52 | 0,326 |
| 18 | 2960 | 41,40 | 49 | 0,341 |
| 19 | 3100 | 47,80 | 53 | 0,398 |
| 20 | 2720 | 46,30 | 57 | 0,405 |
Необходимо
определить
тесноту связи
между данными
признаками.
Для этого вначале
воспользуемся
коэффициентом
корреляции
рангов Спирмэна.
Этот показатель
основан на
корреляции
не самих значений
коррелируемых
признаков, а
их рангов. Для
его расчета
присвоим ранги
значениям
соответствующих
признаков,
затем найдем
их разность
d. Эти вычисления
отразим в
нижеследующих
таблицах. Далее
вычислим
непосредственно
сам коэффициент,
который равен:
,
( n – число наблюдаемых
пар значений
признаков.)
Расчетные таблицы для определения коэффициента корреляции рангов Спирмэна
| Удой молока на среднегодовую корову, кг | Себестоимость молока за 1 кг, руб. | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 3280 | 0,313 | 8 | 13 | -5 | 25 |
| 2920 | 0,413 | 15 | 2 | 13 | 169 |
| 5140 | 0,268 | 1 | 19 | -18 | 324 |
| 4630 | 0,31 | 4 | 15 | -11 | 121 |
| 4950 | 0,309 | 3 | 16 | -13 | 169 |
| 5000 | 0,288 | 2 | 18 | -16 | 256 |
| 2790 | 0,357 | 16 | 8 | 8 | 64 |
| 4340 | 0,247 | 5 | 20 | -15 | 225 |
| 4160 | 0,305 | 6 | 17 | -11 | 121 |
| 2660 | 0,376 | 18 | 7 | 11 | 121 |
| 2960 | 0,351 | 13,5 | 10 | 3,5 | 12,25 |
| 3230 | 0,356 | 9,5 | 9 | 0,5 | 0,25 |
| 3480 | 0,312 | 7 | 14 | -7 | 49 |
| 3230 | 0,415 | 9,5 | 1 | 8,5 | 72,25 |
| 2370 | 0,411 | 20 | 3 | 17 | 289 |
| 2610 | 0,38 | 19 | 6 | 13 | 169 |
| 3000 | 0,326 | 12 | 12 | 0 | 0 |
| 2960 | 0,341 | 13,5 | 11 | 2,5 | 6,25 |
| 3100 | 0,398 | 11 | 5 | 6 | 36 |
| 2720 | 0,405 | 17 | 4 | 13 | 169 |
| n = 20 | ∑ d 2 = | 2398 | |||
| ρ = | -0,803 | ||||
Из выше приведенного можно сказать о сильной обратной связи между удоем молока и себестоимостью, т.е. при увеличении удоя себестоимость молока снижается.
| Расход кормов на 1 корову, корм.ед. | Себестоимость молока за 1 кг, руб. | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 48,2 | 0,313 | 9 | 13 | -4 | 16 |
| 43,1 | 0,413 | 17 | 2 | 15 | 225 |
| 60,7 | 0,268 | 1 | 19 | -18 | 324 |
| 60,1 | 0,31 | 2 | 15 | -13 | 169 |
| 59,4 | 0,309 | 3 | 16 | -13 | 169 |
| 52,5 | 0,288 | 8 | 18 | -10 | 100 |
| 44 | 0,357 | 16 | 8 | 8 | 64 |
| 54,2 | 0,247 | 4 | 20 | -16 | 256 |
| 53,2 | 0,305 | 7 | 17 | -10 | 100 |
| 46,4 | 0,376 | 12 | 7 | 5 | 25 |
| 47,1 | 0,351 | 11 | 10 | 1 | 1 |
| 46,1 | 0,356 | 14 | 9 | 5 | 25 |
| 53,9 | 0,312 | 5 | 14 | -9 | 81 |
| 53,4 | 0,415 | 6 | 1 | 5 | 25 |
| 39,4 | 0,411 | 20 | 3 | 17 | 289 |
| 40,2 | 0,38 | 19 | 6 | 13 | 169 |
| 45,5 | 0,326 | 15 | 12 | 3 | 9 |
| 41,4 | 0,341 | 18 | 11 | 7 | 49 |
| 47,8 | 0,398 | 10 | 5 | 5 | 25 |
| 46,3 | 0,405 | 13 | 4 | 9 | 81 |
| n = 20 | ∑ d 2 = | 2202 | |||
| ρ = | -0,656 | ||||
Так как значение коэффициента отрицательно, следовательно, имеем обратную связь между расходом кормов на 1 корову и себестоимостью молока.
| Удельный вес чистопородных коров в стаде, % | Себестоимость молока за 1 кг, руб. | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 61 | 0,313 | 7 | 13 | -6 | 36 |
| 54 | 0,413 | 11 | 2 | 9 | 81 |
| 70 | 0,268 | 3 | 19 | -16 | 256 |
| 67 | 0,31 | 5 | 15 | -10 | 100 |
| 71 | 0,309 | 2 | 16 | -14 | 196 |
| 74 | 0,288 | 1 | 18 | -17 | 289 |
| 45 | 0,357 | 19 | 8 | 11 | 121 |
| 68 | 0,247 | 4 | 20 | -16 | 256 |
| 65 | 0,305 | 6 | 17 | -11 | 121 |
| 51 | 0,376 | 16 | 7 | 9 | 81 |
| 52 | 0,351 | 13 | 10 | 3 | 9 |
| 57 | 0,356 | 9 | 9 | 0 | 0 |
| 58 | 0,312 | 8 | 14 | -6 | 36 |
| 52 | 0,415 | 13 | 1 | 12 | 144 |
| 44 | 0,411 | 20 | 3 | 17 | 289 |
| 50 | 0,38 | 17 | 6 | 11 | 121 |
| 52 | 0,326 | 13 | 12 | 1 | 1 |
| 49 | 0,341 | 18 | 11 | 7 | 49 |
| 53 | 0,398 | 12 | 5 | 7 | 49 |
| 57 | 0,405 | 9 | 4 | 5 | 25 |
| n = 20 | ∑ d 2 = | 2260 | |||
| ρ = | -0,699 | ||||
Имеется обратная зависимости между удельным весом чистопородных коров в стаде и себестоимостью молока.
| Удой молока на среднегодовую корову, кг | Расход кормов на 1 корову, корм.ед. | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 3280 | 48,2 | 8 | 9 | -1 | 1 |
| 2920 | 43,1 | 15 | 17 | -2 | 4 |
| 5140 | 60,7 | 1 | 1 | 0 | 0 |
| 4630 | 60,1 | 4 | 2 | 2 | 4 |
| 4950 | 59,4 | 3 | 3 | 0 | 0 |
| 5000 | 52,5 | 2 | 8 | -6 | 36 |
| 2790 | 44 | 16 | 16 | 0 | 0 |
| 4340 | 54,2 | 5 | 4 | 1 | 1 |
| 4160 | 53,2 | 6 | 7 | -1 | 1 |
| 2660 | 46,4 | 18 | 12 | 6 | 36 |
| 2960 | 47,1 | 13,5 | 11 | 2,5 | 6,25 |
| 3230 | 46,1 | 9,5 | 14 | -4,5 | 20,25 |
| 3480 | 53,9 | 7 | 5 | 2 | 4 |
| 3230 | 53,4 | 9,5 | 6 | 3,5 | 12,25 |
| 2370 | 39,4 | 20 | 20 | 0 | 0 |
| 2610 | 40,2 | 19 | 19 | 0 | 0 |
| 3000 | 45,5 | 12 | 15 | -3 | 9 |
| 2960 | 41,4 | 13,5 | 18 | -4,5 | 20,25 |
| 3100 | 47,8 | 11 | 10 | 1 | 1 |
| 2720 | 46,3 | 17 | 13 | 4 | 16 |
| n = 20 | ∑ d 2 = | 172 | |||
| ρ = | 0,871 | ||||
Полученное значение коэффициента корреляции рангов Спирмэна свидетельствует о сильной прямой связи между удоем молока и расходом кормов на 1 корову, т.е. при увеличении расхода кормов в пересчете на 1 корову увеличивается и удой молока на среднегодовую корову.
| Удой молока на среднегодовую корову, кг | Удельный вес чистопородных коров в стаде, % | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 3280 | 61 | 8 | 7 | 1 | 1 |
| 2920 | 54 | 15 | 11 | 4 | 16 |
| 5140 | 70 | 1 | 3 | -2 | 4 |
| 4630 | 67 | 4 | 5 | -1 | 1 |
| 4950 | 71 | 3 | 2 | 1 | 1 |
| 5000 | 74 | 2 | 1 | 1 | 1 |
| 2790 | 45 | 16 | 19 | -3 | 9 |
| 4340 | 68 | 5 | 4 | 1 | 1 |
| 4160 | 65 | 6 | 6 | 0 | 0 |
| 2660 | 51 | 18 | 16 | 2 | 4 |
| 2960 | 52 | 13,5 | 13 | 0,5 | 0,25 |
| 3230 | 57 | 9,5 | 9 | 0,5 | 0,25 |
| 3480 | 58 | 7 | 8 | -1 | 1 |
| 3230 | 52 | 9,5 | 13 | -3,5 | 12,25 |
| 2370 | 44 | 20 | 20 | 0 | 0 |
| 2610 | 50 | 19 | 17 | 2 | 4 |
| 3000 | 52 | 12 | 13 | -1 | 1 |
| 2960 | 49 | 13,5 | 18 | -4,5 | 20,25 |
| 3100 | 53 | 11 | 12 | -1 | 1 |
| 2720 | 57 | 17 | 9 | 8 | 64 |
| n = 20 | ∑ d 2 = | 142 | |||
| ρ = | 0,893 | ||||
Значение положительно, поэтому имеемхарактеризует сильную прямую связь между удоем молока и удельным весом чистопородных коров в стаде и показывает, что вариация результативного признака на 89,3 % обусловлена вариацией факторного признака (согласно коэффициенту Спирмэна).
| Расход кормов на 1 корову, корм.ед. | Удельный вес чистопородных коров в стаде, % | Ранги | Разность рангов d = Nx - Ny | d2 | |
| x | y | Nx | Ny | ||
| 48,2 | 61 | 9 | 7 | 2 | 4 |
| 43,1 | 54 | 17 | 11 | 6 | 36 |
| 60,7 | 70 | 1 | 3 | -2 | 4 |
| 60,1 | 67 | 2 | 5 | -3 | 9 |
| 59,4 | 71 | 3 | 2 | 1 | 1 |
| 52,5 | 74 | 8 | 1 | 7 | 49 |
| 44 | 45 | 16 | 19 | -3 | 9 |
| 54,2 | 68 | 4 | 4 | 0 | 0 |
| 53,2 | 65 | 7 | 6 | 1 | 1 |
| 46,4 | 51 | 12 | 16 | -4 | 16 |
| 47,1 | 52 | 11 | 13 | -2 | 4 |
| 46,1 | 57 | 14 | 9 | 5 | 25 |
| 53,9 | 58 | 5 | 8 | -3 | 9 |
| 53,4 | 52 | 6 | 13 | -7 | 49 |
| 39,4 | 44 | 20 | 20 | 0 | 0 |
| 40,2 | 50 | 19 | 17 | 2 | 4 |
| 45,5 | 52 | 15 | 13 | 2 | 4 |
| 41,4 | 49 | 18 | 18 | 0 | 0 |
| 47,8 | 53 | 10 | 12 | -2 | 4 |
| 46,3 | 57 | 13 | 9 | 4 | 16 |
| n = 20 | ∑ d 2 = | 244 | |||
| ρ = | 0,817 | ||||
О сильной прямой зависимости между расходом кормов в пересчете на 1 корову и удельным весом чистопородных коров в стаде говорит значение коэффициента. Чем выше удельный вес, тем выше расход кормов.
Но следует иметь в виду, что, поскольку коэффициент Спирмэна учитывает разность только рангов, а не самих значений признаков, он менее точен по сравнению с линейным коэффициентом корреляции. Воспользуемся последним.
Воспользуемся программным пакетом Stata 7.
Корреляционная матрица имеет вид:
. corr ud korm ves sst
(obs=20)
| ud korm ves sst
-------------+------------------------------------
ud | 1.0000
korm | 0.8851 1.0000
ves | 0.9401 0.8290 1.0000
sst | -0.7875 -0.6497 -0.7587 1.0000
ud – удой молока на среднегодовую корову,
korm – расход кормов на 1 корову,
ves – удельный вес чистопородных коров в стаде,
sst – себестоимость молока за 1 кг.
Можно сделать вывод, что присутствует обратная связь между себестоимостью и удоем молока (r = - 0,79), себестоимостью и удельным весом (r = - 0,76),себестоимостью и расходом кормов (r = - 0,65).Имеется сильная прямая связи между удоем молока и расходом кормов (r = 0,89), удоем молока и удельным весом (r = 0,94), расходом кормов и удельным весом (r = 0,83). Если сравнивать значения, полученные линейным коэффициентом корреляции и ранговым коэффициентом Спирмэна, то расхождения не превысят 8 %. В большинстве же своем погрешность составляет около 1 %.
Теперь проверим коэффициенты корреляции на значимость:
. pwcorr ud korm ves sst
| ud korm ves sst
-------------+------------------------------------
ud | 1.0000
korm | 0.8851 1.0000
ves | 0.9401 0.8290 1.0000
sst | -0.7875 -0.6497 -0.7587 1.0000
Все коэффициенты значимы.
Построим модель.
Так как значения удоя молока и значения других показателей отличаются на порядок, то будем использовать вместо переменной «удой молока» переменную натурального логарифма удоя молока.
Рассмотрим в качестве результативного фактора себестоимость молока за 1 кг, поскольку важен расчет именно себестоимости и определение от каких факторов и насколько она зависит. Удой молока, расход кормов на 1 корову и удельный вес чистопородных коров в стаде могут повлиять на значение себестоимости.
Приведем графики зависимости себестоимости от каждого из факторов:
От логарифма удоя молока

От расхода кормов на 1 корову

От удельного веса чистопородных коров в стаде

Графики демонстрируют нам обратную зависимость между результативным фактором – себестоимостью и объясняющим фактором, что подтверждается значениями коэффициентов корреляции.
Вначале рассмотрим линейную модель по всем факторам:
. reg sst lnud korm ves
Source | SS df MS Number of obs = 20
-------------+------------------------------ F( 3, 16) = 10.37
Model | .031800232 3 .010600077 Prob > F = 0.0005
Residual | .016350718 16 .00102192 R-squared = 0.6604
-------------+------------------------------ Adj R-squared = 0.5968
Total | .04815095 19 .002534261 Root MSE = .03197
------------------------------------------------------------------------------
sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnud | -.2305787 .1162704 -1.98 0.065 -.4770609 .0159036
korm | .0026417 .0025775 1.02 0.321 -.0028223 .0081057
ves | -.0000138 .0024772 -0.01 0.996 -.0052651 .0052376
_cons | 2.088534 .7538614 2.77 0.014 .4904194 3.686649
------------------------------------------------------------------------------
Хотя у этой модели и достаточно хороший коэффициент детерминации и согласно F-критерию Фишера оно значимо, параметры при переменных lnud, korm, ves не значимы по t-критерию Стьюдента с P-значениями 0.065, 0.321 и 0.996. Значит, эта модель не подходит.
Построим
модель вида:
![]()
. reg sst lnud1 korm1 ves1
Source | SS df MS Number of obs = 20
-------------+------------------------------ F( 3, 16) = 10.32
Model | .031744654 3 .010581551 Prob > F = 0.0005
Residual | .016406296 16 .001025393 R-squared = 0.6593
-------------+------------------------------ Adj R-squared = 0.5954
Total | .04815095 19 .002534261 Root MSE = .03202
------------------------------------------------------------------------------
sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnud1 | 14.46292 6.110319 2.37 0.031 1.509625 27.41622
korm1 | -5.633853 5.967609 -0.94 0.359 -18.28462 7.016912
ves1 | .6831225 6.892859 0.10 0.922 -13.92909 15.29533
_cons | -1.33304 .6029802 -2.21 0.042 -2.611301 -.0547791
------------------------------------------------------------------------------
Видим что коэффициент детерминации хорош - 0,659 и по F-критерию Фишера уравнение значимо. Но параметры при переменных korm1, ves1 не значимы по t-критерию Стьюдента с P-значениями 0.359 и 0.922. Значит, эта модель не подходит.
Будем рассматривать
различные
комбинации
переменных
при включении
в модель. Построим
модель вида:
![]()
. reg sst lnud korm1 ves1
Source | SS df MS Number of obs = 20
-------------+------------------------------ F( 3, 16) = 10.09
Model | .031497211 3 .01049907 Prob > F = 0.0006
Residual | .016653739 16 .001040859 R-squared = 0.6541
-------------+------------------------------ Adj R-squared = 0.5893
Total | .04815095 19 .002534261 Root MSE = .03226
------------------------------------------------------------------------------
sst | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnud | -.2065493 .0898758 -2.30 0.035 -.3970775 -.0160212
korm1 | -5.156249 5.939941 -0.87 0.398 -17.74836 7.435864
ves1 | 1.094516 6.895036 0.16 0.876 -13.52231 15.71134
_cons | 2.109487 .8816345 2.39 0.029 .2405058 3.978469
------------------------------------------------------------------------------
Так же как и в предыдущих моделях, значение R-квадрата хорошее, уравнение значимо по F-критерию Фишера, но одновременно с этим параметры при переменных korm1, ves1 с P-значениями 0.398 и 0.876 соответственно не значимы по t-критерию Стьюдента. Также отбросим эту модель.
Построим
модель вида:
![]()
. reg sst lnud1 korm ves1
Source | SS df MS Number of obs = 20
-------------+------------------------------ F( 3, 16) = 10.60
Model | .032029999 3 .010676666 Prob > F = 0.0004
Residual | .016120951 16