Парная регрессия
Рассчитаем a и b:

![]()
Получим линейное уравнение:
. Получим
уравнение регрессии:
.
3. Оценка тесноты связи с помощью показателей корреляции и детерминации:
·
Линейная модель. Тесноту линейной связи оценит коэффициент
корреляции. Был получен следующий коэффициент корреляции rxy=b
=7,122*
, что говорит о прямой сильной связи фактора
и результата. Коэффициент детерминации r²xy=(0,845)²=0,715. Это
означает, что 71,5% вариации результативного признака (розничная продажа телевизоров, у) объясняется вариацией
фактора х – среднедушевой денежный доход в месяц.
·
Степенная модель. Тесноту нелинейной связи оценит индекс
корреляции. Был получен следующий индекс корреляции
=
, что говорит о очень сильной тесной связи, но немного больше чем
в линейной модели. Коэффициент детерминации r²xy=0,7175. Это означает, что 71,75%
вариации результативного признака (розничная
продажа телевизоров, у) объясняется вариацией фактора х – среднедушевой денежный доход в
месяц.
· Экспоненциальная модель. Был получен следующий индекс корреляции ρxy=0,8124, что говорит о том, что связь прямая и очень сильная, но немного слабее, чем в линейной и степенной моделях. Коэффициент детерминации r²xy=0,66. Это означает, что 66% вариации результативного признака (розничная продажа телевизоров, у) объясняется вариацией фактора х – среднедушевой денежный доход в месяц.
· Полулогарифмическая модель. Был получен следующий индекс корреляции ρxy=0,8578, что говорит о том, что связь прямая и очень сильная, но немного больше чем в предыдущих моделях. Коэффициент детерминации r²xy=0,7358. Это означает, что 73,58% вариации результативного признака (розничная продажа телевизоров, у) объясняется вариацией фактора х – среднедушевой денежный доход в месяц.
· Гиперболическая модель. Был получен следующий индекс корреляции ρxy=0,8448 и коэффициент корреляции rxy=-0,1784 что говорит о том, что связь обратная очень сильная. Коэффициент детерминации r²xy=0,7358. Это означает, что 73,5% вариации результативного признака (розничная продажа телевизоров, у) объясняется вариацией фактора х – среднедушевой денежный доход в месяц.
· Обратная модель. Был получен следующий индекс корреляции ρxy=0,8114 и коэффициент корреляции rxy=-0,8120, что говорит о том, что связь обратная очень сильная. Коэффициент детерминации r²xy=0,6584. Это означает, что 65,84% вариации результативного признака (розничная продажа телевизоров, у) объясняется вариацией фактора х – среднедушевой денежный доход в месяц.
Вывод: по полулогарифмическому уравнению получена наибольшая оценка тесноты связи: ρxy=0,8578 (по сравнению с линейной, степенной, экспоненциальной, гиперболической, обратной регрессиями).
4. С помощью среднего (общего) коэффициента эластичности дайте сравнительную оценку силы связи фактора с результатом.
Рассчитаем коэффициент эластичности для линейной модели:
· Для уравнения прямой: y = 5,777+7,122∙x

·
Для уравнения степенной модели
:

·
Для уравнения экспоненциальной модели
:

Для
уравнения полулогарифмической модели
:

·
Для уравнения обратной
гиперболической модели
:

·
Для уравнения равносторонней
гиперболической модели
:

Сравнивая значения
, характеризуем оценку силы связи фактора с
результатом:
·
![]()
·
![]()
·
![]()
·
![]()
·
![]()
·
![]()
Известно, что коэффициент эластичности показывает связь между фактором и результатом, т.е. на сколько% изменится результат y от своей средней величины при изменении фактора х на 1% от своего среднего значения. В данном примере получилось, что самая большая сила связи между фактором и результатом в полулогарифмической модели, слабая сила