Xreferat.com » Рефераты по информатике и программированию » Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

но и от всей матрицы X, и, значит, практическое применение этой процедуры невозможно. Тем не менее, Дарбин и Уотсон доказали, что существуют две границы, обычно обозначаемые Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии и Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии (и = upper - верхняя, l = low - нижняя), которые зависят лишь от n, к и уровня значимости (а следовательно, могут быть затабулированы) и обладают следующим свойством: еслиСоздание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, то Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии и, значит, гипотеза H0 не отвергается, а если Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии тоСоздание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, и гипотеза Но отвергается в пользу H1. В случае Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессииситуация неопределенна, т. е. нельзя высказаться в пользу той или иной гипотезы. Если альтернативной является гипотеза об отрицательной корреляцииСоздание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, то соответствующими верхними и нижними границами будут 4-dl и 4-du. Целесообразно представить эти результаты в виде следующей таблицы.


Таблица 6.3.

Значение статистики DW

Значение статистики DW Вывод
4 -dl< DW < 4 Гипотеза Но отвергается, есть отрицательная корреляция
4 - du < DW < 4 - dl Неопределенность
du < DW < 4 - du Гипотеза Но не отвергается
dl < DW < du Неопределенность
0 < DW < dl Гипотеза Но отвергается, есть положительная корреляция

Наличие зоны неопределенности, представляет определенные трудности при использовании теста Дарбина-Уотсона. [3]

Отсутствие автокорреляции остаточных величин обеспечивает состоятельность и эффективность оценок коэффициентов регрессии.

При несоблюдении основных предпосылок МНК приходится корректировать модель, изменяя ее спецификацию, добавлять (исключать) некоторые факторы, преобразовывать исходные данные для того, чтобы получить оценки коэффициентов регрессии, которые обладают свойством несмещенности, имеют меньшее значение дисперсии остатков и обеспечивают в связи с этим более эффективную статистическую проверку значимости параметров регрессии. [1]


2.3 Проверка гипотезы о нормальности остатков в модуле Multiple Regression Statistica


STATISTICA является интегрированной системой комплексного статистического анализа и обработки данных в среде Windows. Все методы обработки в системе разбиты на несколько групп - модулей - в соответствии с основными разделами статистического анализа. Модуль Multiple Regression -Множественная регрессия включает в себя набор средств множественной линейной и фиксированной нелинейной (в частности, полиномиальной, экспоненциальной, логарифмической и др.) регрессии, включая пошаговые, иерархические и другие методы. Система STATISTICA позволяет вычислить всесторонний набор статистик и расширенной диагностики, включая полную регрессионную таблицу, частные и частичные корреляции и ковариации для регрессионных весов, статистику Дарбина-Уотсона и многие другие. Анализ остатков и выбросов может быть проведен при помощи широкого набора графиков. [Салманов, с. 245-246]

Модуль Multiple Regression запускается из меню Statistics. Нажмите кнопку Variable на Multiple Linear Regression - Quick tab (Множественная линейная регрессия - Быстрая вкладка) (рис. 1) и выберите зависимую переменную (Dependent variable) и несколько независимых переменных (Independent variable) и затем нажмите кнопку ОК. Появится Multiple Regression Results - диалог результатов регрессионного анализа (рис. 2). [Салманов, с. 249]

Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 1. Стартовая панель модуля Multiple Regression


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 2. Окно результатов регрессионного анализа


Окно результатов анализа (Multiple Regression Results) (рис. 2) имеет следующую структуру: верх окна - информационный. Он состоит из двух частей: в первой части содержится основная информация о результатах оценивания, во второй высвечиваются значимые регрессионные коэффициенты (significant beta's are highlighted). Внизу окна расположены три вкладки: Quick-быстрый, Advanced-продвинутый и Residuals/assumptions/ prediction, на которых находятся функциональные кнопки, позволяющие всесторонне просмотреть результаты анализа.[боровиков 136] Критерий для определения уровня статистической значимости может быть изменен в поле Alpha (значение по умолчанию 0,05) .[Салманов, с. 254]

Рассмотрим информационную часть окна. В ней содержатся краткие сведения о результатах анализа, а именно:

Dependent - имя зависимой переменной

No. of сases - число случаев, по которым построена регрессия

Multiple R - коэффициент множественной корреляции

• R2 - коэффициент детерминации (квадрат коэффициента множественной корреляции)

• adjusted R2 - скорректированный коэффициент детерминации

Standard error of estimate - стандартная ошибка оценки

Intercept - оценка свободного члена регрессии, значение коэффициента В0 в уравнении регрессии.

Std. Error - стандартная ошибка оценки свободного члена,
стандартная ошибка коэффициента В0 в уравнении регрессии.

t(df) and p-value - значение t-критерия и уровень р. t-критерий используется для проверки гипотезы о равенстве 0 свободного члена регрессии.

F - значения F-критерия.

df - число степеней свободы F-критерия.

р - уровень значимости. [боровиков 136-138]

Нажмите на Summary: Regression results на вкладке Quick tab, чтобы отобразить электронную таблицу с бета-коэффициентами (рис. 3).


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 3. Таблица коэффициентов уравнения регрессии и оценок их достоверности


Эта электронная таблица показывает стандартизированные бета-коэффициенты регрессии (Beta) и необработанные коэффициенты регрессии (В). Величина этих коэффициентов позволяет сравнивать относительный вклад каждой независимой переменной в предсказании зависимой переменной. Приводится также t-статистика и соответствующее значение вероятности (р) для проверки гипотезы о достоверности этих коэффициентов. [Салманов, с. 254-255]

После того как доказана адекватность модели, полученные результаты можно уверенно использовать для дальнейших действий. Анализ адекватности основывается на анализе остатков. [боровиков 139] Для анализа остатков на вкладке Multiple Regression Results - Residuals/assumptions/prediction tab нажмите кнопку диалога Residual Analysis (рис. 4). [Салманов, с. 256] Здесь имеется возможность рассчитать статистику Дарбина-Уотсона, удаленные остатки, доверительные интервалы для предсказанных значений и многие другие статистики. Широкие возможности анализа остатков и выбросов включают многочисленные типы графиков, диаграмм рассеяния, гистограмм, графики на нормальной и полунормальной вероятностной бумаге и др.[exponenta]


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 4. Окно анализа остатков


Однако можно также применять все аналитические средства STATISTICA, чтобы далее исследовать остатки, создав автономную входную электронную таблицу остатков. [Салманов, с. 261]

3. СОЗДАНИЕ МАКРОСА ДЛЯ ПРОВЕРКИ ГИПОТЕЗЫ О НОРМАЛЬНОСТИ ОСТАТКОВ


3.1 Описание макроса


При построении модели множественной линейной регрессии особое внимание необходимо уделять проверке гипотезы о нормальном распределении остатков. Это связано с тем, что в условиях нормального распределения остатков оценки параметров модели, построенные методом наименьших квадратов, являются оптимальными. Если распределение отличается от нормального, то свойство оптимальности может быть утрачено. Например, в данных могут быть резко выделяющиеся наблюдения (выбросы), а метод наименьших квадратов чувствителен к выбросам.

В данной курсовой работе осуществлялось эконометрическое моделирование вторичного рынка жилья в г. Минске с использованием статистического пакета Statistica 6.0., обладающего широкими возможностями для построения регрессионных моделей. Пакет Statistica 6.0. содержит встроенный язык программирования VBA, позволяющий создавать дополнительные модули для статистического анализа.

В ходе выполнения множественного регрессионного анализа в модуле Multiple Regression исследование остатков на нормальность можно осуществить лишь графическими методами с использованием нормальных графиков вероятности, доступных из диалога Residual Analysis. Однако на основании графической информации можно сделать лишь предположение о виде распределения остатков. Для проверки остатков на соответствие их нормальному распределению необходимо создать автономную входную электронную таблицу остатков, а затем вызвать модуль Distribution Fitting (Подбор распределения). Нажав кнопку Graph, мы получим результаты применения критерия хи-квадрат, а также гистограмму с проведенной на ней предполагаемой нормальной кривой, на основании которых можно сделать вывод о виде распределения остатков.

Таким образом, при осуществлении множественного регрессионного анализа в пакете Statistica 6.0. необходимо использовать 2 отдельных модуля (Multiple Regression и Distribution Fitting), создавая при этом дополнительную входную электронную таблицу остатков, что требует значительных затрат времени.

Для решения всех вышеперечисленных проблем на языке VBA было написано 2 модуля. Первый модуль (CREATE_MACROS) создает пользовательскую панель инструментов (Приложение Б), а второй (regres-normal) - автоматизирует процесс проверки гипотезы о нормальности остатков регрессии (Приложение А).

После запуска программы CREATE_MACROS, новая панель инструментов CUSTOM будет добавлена к существующей инсталляционной версии STATISTICA. Созданная панель инструментов состоит из 1 главного элемента - кнопки «Нормальность остатков». Чтобы удалить новый элемент панели инструментов, выберите Настройка (Customize) из меню Сервис (Tools) для отображения диалога Настройка (Customize). На вкладке Панели инструментов (Toolbars tab), подсветите новый элемент и Удалите (Delete) его (рис. 1.1).


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 1.1. Удаление пользовательской панели инструментов

Для запуска модуля regres-normal необходимо нажать кнопку “Нормальность остатков” на панели инструментов (рис. 1), после чего появится диалог Multiple Regression.Residual Analysis (рис. 2). Критерий для определения уровня статистической значимости может быть изменен в поле Alpha (значение по умолчанию 0,05). При нажатии кнопки Variables отобразится диалог Select dependent and independent variable lists (рис. 3) для выбора зависимой и списка независимых переменных. После нажатия кнопки OK на экране появятся результаты выполнения программы (рис.4).


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 1. Кнопка “Нормальностьостатков” для запуска модуля


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 2. Стартовая панель модуля


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 3. Окно выбора переменных для анализа

Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис.4. Результаты выполнения программы


Программа вычисляет следующий набор статистик:

Таблицы результатов оценивания регрессионной модели. Они содержат значения коэффициентов модели (В), бета-коэффициенты (Beta), их стандартные ошибки, значения критерия Стьюдента для проверки гипотезы о достоверности этих коэффициентов (Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии и Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии), коэффициенты корреляции R и детерминации R2, значение критерия Фишера (F, p) для проверки гипотезы о достоверности R и другое.

Таблицу результатов анализа остатков, содержащую наблюдаемые (Observed Value) и предсказанные по модели (Predicted Value) значения зависимой переменной, остатки (Residual) и другое.

Статистику Дарбина-Уотсона.

Графики: гистограмму остатков, диаграмму рассеяния, график на нормальной вероятностной бумаге.

Таблицу эмпирических и теоретических частот.

Оба модуля написаны на языке STATISTICA VISUAL BASIC. Рассмотрим схему работы программы regres-normal (рис. 5).

Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 5. Схема работы программы regres-normal


Весь блок программного кода в совокупности представляет собой модуль. Модуль regres-normal состоит из ряда операторов, организованных в шесть разделов: это раздел объявлений, начинающийся оператором Option Base 1, процедура Main, функция InputDialog, функция UI, процедуры MultipleRegression и NormalDistribution.

Переменные, содержащиеся в разделе объявлений, представляют собой глобальные переменные (Приложение В, табл. 1). Выполнение программы начинается с процедуры MAIN (рис. 5). Данная процедура вызывает функцию InputDialog, которую в свою очередь обслуживает функция UI. Функция InputDialog отображает пользовательский диалог "Multiple Regression. Residual Analysis", переменные Alpha и AlphaValue инициализируются значениями, содержащимися в соответствующих элементах управления типа TextBox. Функция UI отображает диалог выбора переменных для анализа ("Select dependent and independent variable lists:"). Здесь происходит инициализация списков зависимых и независимых переменных (VarList1(),VarList2()), а также переменных типа Long, хранящих количество элементов в этих списках (InList1, InList2). В случае отсутствия ошибок при вызове пользовательских диалогов далее в процедуре Main происходит последовательный вызов процедур MultipleRegression и NormalDistribution.

В процедуре MultipleRegression осуществляется регрессионный анализ с использованием данных из текущей таблицы (S1), а также происходит инициализация вновь созданной таблицы остатков (NewSpreadsheet). В процедуре NormalDistribution осуществляется проверка остатков из таблицы NewSpreadsheet на нормальное распределение.


3.2 Проверка гипотезы о нормальности остатков в модели вторичного рынка жилья в г. Минске


В модели исследуется зависимость стоимости вторичного жилья в г.Минске (Cena) от следующих факторов: общей площади квартиры (PlOb), возраста дома (Vozrast). Для работы использованы данные о 154 квартирах г. Минска за 2006 год. В модель также включена бинарная, «фиктивная» переменная Type, которая принимает значение 1, если квартира находится в кирпичном доме и значение 0 для всех остальных случаев.

Построенная модель стоимости квартир в г. Минске имеет вид:


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии (1)


Все коэффициенты регрессии статистически значимы, что показывает t-статистика и соответствующие значения вероятности (p), которые ниже уровня статистической значимости 0,05.

Для построенной модели (1) коэффициент корреляции Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии (значение близко к 1, что указывает на тесную свяь между зависимой переменной и факторами). Значение критерия Фишера для проверки гипотезы о достоверности коэффициента корреляции: Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии;Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии (R достоверно отличен от 0, изучаемый признак имеет связь хотя бы с одним из регрессоров). Коэффициент детерминации Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, т.е. 90% дисперсии результативного признака обусловлено влиянием регрессии, а 10% - другими факторами. Анализ остатков произведён при помощи статистики Дарбина-Уотсона Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии, коэффициент автокорреляции остатков Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии. Значит, автокорреляция в остатках отсутствует.

Остатки распределены нормально: Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии при Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии.


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 1 График остатков на нормальной вероятностной бумаге


На рис. 1 значения по оси y представляют собой функциональное преобразование кривой нормального распределения в прямую. Если наблюдаемые остатки, представленные на оси х, распределяются по нормальному закону, то все значения попадают на прямую линию на графике. В представленном графике остатки расположены достаточно близко к линии, а следовательно можно сделать предположение об их нормальном распределении.


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 2 Гистограмма распределения остатков


Для графической оценки вида распределения также приводится гистограмма распределения остатков (рис.2). Его можно трактовать как соответствующее нормальному.

Рассмотрим график зависимости остатков εi от теоретических значений результативного признака Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии (рис. 3).


Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии

Рис. 3 График зависимости остатков εi от теоретических значений результативного признака Создание макроса на языке Statistica Visual Basic для проверки гипотезы о нормальности остатков регрессии.


Из рисунка 3 можно сделать вывод о наличии гетероскедастичности: остатки εi имеют неодинаковую дисперсию.

Уравнение регрессии имеет наглядную интерпретацию. Так, увеличение общей площади квартиры на 1м2 увеличивает ее цену на 909,445 у.е. Отрицательное значение коэффициента при Vozrast (-58,685) означает, что увеличение возраста квартиры на 1год уменьшает ее цену на 58,685у.е. Квартира в кирпичном доме (Type=1) стоит дороже на 1914,209 у.е., чем аналогичная квартира, например, в панельном доме.

Использование данной модели для прогноза возможно в случае устранения гетероскедастичности, связанной с неоднородностью выборки. Для этого необходимо провести предварительный отбор однородных случаев, а затем осуществить построение модели.


ЗАКЛЮЧЕНИЕ


Математическая статистика и ее применение в экономике - эконометрика - позволяют строить экономические модели и оценивать их параметры, проверять гипотезы о свойствах экономических показателей и формах их связи. В основе методов, с помощью которых строятся экономические модели, лежит корреляционно-регрессионный анализ. Множественный регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой) обусловлено влиянием нескольких независимых величин, а множество всех прочих факторов, также оказывающих влияние на зависимую переменную, принимается за постоянные и средние значения.

Наиболее распространенным в практике статистического оценивания параметров уравнений регрессии является метод наименьших квадратов (МНК). Этот метод основан на ряде предпосылок относительно природы данных и результатов построения модели. Основные из них - это некоррелированность факторов, входящих в уравнение, линейность связи, отсутствие автокорреляции остатков, равенство их математических ожиданий нулю и постоянная дисперсия (гомоскедастичность). Эмпирические данные не всегда обладают такими характеристиками, т.е. предпосылки МНК нарушаются. Применение этого метода в чистом виде может привести к таким нежелательным результатам, как смещение оцениваемых параметров, снижение их состоятельности, устойчивости, а в некоторых случаях может совсем не дать решения. В случае нарушения предпосылок МНК, необходимо корректировать модель.

После оценивания уравнения регрессии по методу наименьших квадратов нужно всегда исследовать остатки на нормальность. В случае нарушения данного предположения модель не является адекватной и не может быть использована для прогнозов.

В пакете STATISTICA имеется внутренний язык программирования Statistica Visual, который добавляет богатый арсенал из более чем 10000 новых функций к стандартному синтаксису Microsoft Visual Basic и является, таким образом, одним из самых функционально богатых и обширных интерфейсов прикладного программирования. SVB также предоставляет широкие возможности по созданию макросов.

В ходе написания данной курсовой работы был создан макрос на языке SVB для проверки гипотезы о нормальности остатков регрессии. Необходимость разработки данного приложения связана с особенностями осуществления регрессионного анализа в пакете STATISTICA. Написанный модуль был использован при эконометрическом моделировании вторичного рынка жилья в г. Минске. Разработанное программное средство может в дальнейшем применятся при построении регрессионных моделей в пакете STATISTICA.


ПРИЛОЖЕНИЕ А


Листинг программы

Option Base 1


Dim S1 As Spreadsheet

Dim NewSpreadsheet As New Spreadsheet

Public AlphaValue As Double

Public Alpha As Double

Dim VarList1 () As Long

Dim VarList2 () As Long

Dim Nvars As Long

Dim InList1 As Long

Dim InList2 As Long

Dim ret As Integer


Sub Main


On Error GoTo NoInputSpreadsheet

Nvars = ActiveDataSet.NumberOfVariables

On Error GoTo Finish


ReDim VarList1(1 To Nvars)

ReDim VarList2(1 To Nvars)


If Not InputDialog Then GoTo Finish


MultipleRegression

NormalDistribution


Finish:

Exit Sub


NoInputSpreadsheet:

MsgBox "Open a data file (Spreadsheet) for this analysis", _

vbCritical

End Sub


Function InputDialog As Boolean

On Error GoTo Finish

InputDialog=False


Begin Dialog UserDialog 390,147, _

"Multiple Regression. Residual Analysis", .UI ' %GRID:10,7,1,1


PushButton 20,14,120,21,"Variables",.VariableSelection

Text 40,42,70,14,"Grouping:",.Text1

Text 110,42,180,14,"none",.Text2

Text 30,56,80,14,"Dependent:",.Text3

Text 110,56,180,14,"none",.Text4

Text 30,84,200,14,"Alpha:",.Text5

TextBox 220,77,90,21,.AlphaValue

Text 30,104,200,14,"Alpha for highlighting effects:",.Text6

TextBox 220,100,90,21,.Alpha


OKButton 310,14,70,21,.OkButton

CancelButton 310,42,70,21,.CancelButton

End Dialog


Dim dlg As UserDialog

dlg.AlphaValue=",05"

dlg.Alpha=",05"


TryAgain:

On Error GoTo Finish

Dialog dlg

On Error GoTo BadAlphaValue

AlphaValue = CDbl(dlg.AlphaValue)

Alpha = CDbl(dlg.Alpha)


InputDialog=True


Finish:


Exit Function


BadAlphaValue:

MsgBox "Bad alpha value; please specify a valid alpha value."

GoTo TryAgain


End Function


Private Function UI(DlgItem$, Action%, SuppValue&) As Boolean


Dim ok As Boolean

Select Case Action%

Case 1 ' Dialog box initialization

Case 2 ' Value changing or button pressed


UI = True

Select Case DlgItem


Case "CancelButton"


UI=False


Case "OkButton"


ok=False

If InList1<1 Or InList2<1 Then


ok=True

GoTo DoVariables


End If

UI=False


Case "VariableSelection"

ok=False


DoVariables:


ret = SelectVariables2 (ActiveDataSet, _

"Select dependent and independent variable lists:", _

1, Nvars, VarList1, InList1, "Dependent var. (or list for batch):", _

1, Nvars, VarList2, InList2, "Independent variable list:")


If ret=0 Then GoTo Finish


If InList1>0 Then

DlgText "Text4", "Selected"


Else


DlgText "Text4", "none"


End If


If InList2>0 Then


DlgText "Text2", "Selected"


Else


DlgText "Text2", "none"


End If

End Select

End Select


Finish:

End Function


Sub MultipleRegression


Set S1 = ActiveSpreadsheet


Dim newanalysis2 As Analysis

Set newanalysis2 = Analysis (scMultipleRegression,S1)

With newanalysis2.Dialog

Variables = Array(VarList1,VarList2)

InputFile = scRegRawData

CasewiseDeletionOfMD = True

PerformDefaultNonStepwiseAnalysis = False

ReviewDescriptiveStatistics = False

ExtendedPrecisionComputations = False

BatchProcessingAndPrinting = False

End With


newanalysis2.Run


With newanalysis2.Dialog

.ComputeConfidenceLimits = True

.AlphaForLimits = AlphaValue

.PLevelForHighlighting = Alpha

End With


newanalysis2.RouteOutput(newanalysis2.Dialog.Summary).Visible = True


newanalysis2.Run


With newanalysis2.Dialog

RawResiduals = True

StandardResidualPlusMinusSigmaOutliers = True

RawPredictedValues = True

MaxNumberOfCasesInSpreadsheetsAndGraphs = 100000

End With


newanalysis2.RouteOutput(newanalysis2.Dialog.Summary).Visible = True

newanalysis2.RouteOutput(newanalysis2.Dialog.HistogramOfResiduals).Visible = True

newanalysis2.RouteOutput(newanalysis2.Dialog.DurbinWatsonStatistics).Visible = True

newanalysis2.RouteOutput(newanalysis2.Dialog.ScatterplotOfPredictedVsResiduals).Visible = True

newanalysis2.RouteOutput(newanalysis2.Dialog.NormalPlotOfResiduals).Visible = True


Set ResSpreadsheetCollection=newanalysis2.Dialog.Summary

Set ResSpreadsheet=ResSpreadsheetCollection.Item(1)


Dim n As Long

n=ResSpreadsheet.NumberOfCases-4


Set Cells=ResSpreadsheet.CellsRange( _

1, 3,n, 3)


Cells.Select


ResSpreadsheet.CopyWithHeaders


NewSpreadsheet.SetSize n, 1

NewSpreadsheet.Visible=True


Set Cells=NewSpreadsheet.CellsRange(1,1,1,1)

Cells.Select


NewSpreadsheet.Paste


End Sub

Sub NormalDistribution


Dim newanalysis3 As Analysis

Set newanalysis3 = Analysis (scDistributions, NewSpreadsheet)


With newanalysis3.Dialog

.FitContinuousDistributions = True

.ContinuousDistribution = scNonNormal

End With


newanalysis3.Run


With newanalysis3.Dialog

Variable = "1"

Distribution = scNonNormal

KolmogorvNo = True

CombineBinsForChiSquare = True

FrequencyDistribution = True

RawFrequencies = True

End With


newanalysis3.RouteOutput(newanalysis3.Dialog.Summary).Visible = True

newanalysis3.RouteOutput(newanalysis3.Dialog.PlotOfDistribution).Visible = True

End Sub


ПРИЛОЖЕНИЕ Б


Листинг программы


Sub Main


Dim bars As CommandBars

Set bars = CommandBarOptions.CommandBars(scBarTypeToolBar)

Dim

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: