АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Для указанных моделей найти коэффициенты детерминации и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать вывод

Читайте также:
  1. B. Как сделать данное AU,
  2. D большие, средние, малые
  3. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  4. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  5. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  6. Аддитивная и мульпликативная модели временного ряда
  7. Адекватность трендовой модели
  8. Алгоритм обратного распространения ошибки
  9. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  10. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  11. Алгоритм проверки адекватности парной регрессионной модели.
  12. Алгоритм проверки адекватности парной регрессионной модели.

Для наиболее значимого фактора, определенного в лабораторной работе №1, составить уравнения нелинейной регрессии: гиперболической, степенной, показательной. Привести графики построенных уравнений регрессии.

Для степенной и показательной модели строим точечные диаграммы. Далее правой кнопкой мыши щелкаем на любую точку диаграммы и в появившемся окне выбираем –Добавить линии тренда. И выбираем ту, которую будем строить (степенная и экспоненциальная), показываем уравнение на диаграмме и помещаем на диаграмму величину достоверности аппроксимации. Получаем:

 

Так как гиперболического уравнения нет во вкладке «Добавить линии тренда», то ее строем вручную. Для этого находим 1/х и Ут. Для того, чтобы высчитать Yт, необходимо при помощи Анализа данных-Регрессия найти Вывод итогов. В нем присутствуют необходимые коэффициенты для расчета нужной нам формулы- У-пересечение и 1/х. Находим по формуле:

Yт =yпересеч+(1/x)/x

Y ХЗ 1/x Yt
    0,031 13,80
  32,2 0,031 14,85
  35,5 0,028 30,52
39,6   0,028 32,65
42,1 40,3 0,025 48,74
39,5   0,024 54,19
    0,023 60,06
  45,5 0,022 64,13
55,2   0,021 70,35
78,9 49,3 0,020 73,33
    0,019 82,91
  55,1 0,018 84,92
64,5 58,1 0,017 90,01
  58,1 0,017 90,01
    0,017 92,97
  61,6 0,016 95,32
57,6 63,9 0,016 98,49
    0,016 98,62
  64,5 0,016 99,28
  64,5 0,016 99,28
64,5 64,5 0,016 99,28
    0,015 99,92
  65,2 0,015 100,18
70,96 65,7 0,015 100,81
  70,4 0,014 106,33
    0,014 108,04
  73,4 0,014 109,48
60,65   0,014 110,08
95,5   0,013 115,58
  82,8 0,012 117,88
    0,012 118,04
69,6   0,012 118,04
184,6 83,9 0,012 118,74
    0,011 121,04
152,3   0,011 122,45
  93,8 0,011 125,57
    0,010 128,05
123,5 107,5 0,009 132,94
    0,007 147,73
  169,5 0,006 151,42

 

Далее по полученным значениям строим модель:

 

Для указанных моделей найти коэффициенты детерминации и средние относительные ошибки аппроксимации. Сравнить модели по этим характеристикам и сделать вывод.

Для оценки качества нелинейных моделей используют среднюю относительную ошибку аппроксимации и коэффициент детерминации.

Для начала найдем Е= yiт, Еотн=abs(Еi/ yi) и Еср.отн для каждой модели.

Далее находим коэффициент детерминации R2=1-(∑Ei2/∑(yi-yср)2) для каждой модели.

Делаем выводы:

Для степенной модели Еср.отн. = 37.41%, следовательно точность модели неудовлетворительная и модель использовать нельзя. R2=0.41, то есть изменение цены квартиры Y на 41% по степенной модели зависит от ее жилой площади, фактора X4.

суммкв 60724,19773
знам 103406,4111
Rквадрат 0,412761771

 

Для показательной модели: Еср.отн=27.03%, следовательно точность модели неудовлетворительная и модель использовать нельзя. R2=0.67, то есть изменение цены квартиры У на 67% по показательной модели зависит от ее жилой площади, фактора х4.

суммкв 33722,09731
квадроткл 0,673887751
R-квадрат 0,673887751

 

Для гиперболической модели: Еср.отн=24.72%, следовательно точность модели неудовлетворительная и модель использовать нельзя. R2=0,71, то есть изменение цены квартиры Y на 71% по гиперболической модели зависит от ее жилой площади, фактора х4.

суммкв 29632,50157
знамен 103406,4111
Rквадрат 0,713436515

 

Построим сводную таблицу по данным критериям, добавив линейную модель:

 

  Rкв Eср.отн
гиперб 0,713436515 24.72
показат 0,673887751 27.03
степен 0,412761771 37.41
линейная 0,676691 21,89

 

Вывод:

По величине коэффициента детерминации лучшей является показательная модель. По средней относительной ошибки аппроксимации лучшей является степенная модель.


Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)