Dokonaj analizy modelu zależności między czasem, przeznaczonym na reklamy telewizorów Philips, a miesięczną sprzedażą.
Statystyka regresji
wielokrotność R 0,8281
R kwadrat 0,6858
dopasowanie R 0,6229
błąd standaryzacji 0,9115
obserwacja 7
współczynniki błędy standaryzacji t stat
przecięcie -0,2943 1,2864 -0,2288
X 0,2925 0,0885 3,3034
DOKONAJ:
1. Zapis modelu.
2. Interpretacja.
3. Ocena istotności parametrów strukturalnych modelu.
4. Weryfikacja modelu.
ZADANIE 2
Zbadaj zależność.
W skali płodności
wysoka średnia niska sztuk
wysoka 0 0,0 83,3 22
średnia 14,3 42,9 16,7 25
niska 65,7 57,1 0,0 50
— — — —
100 100 100 100
± 0,09 ±1,29
( 0,29 – 0,09 ; 0,29 + 0,09 )
czyli wartości w zakresie ( 0,20 ; 0,28 ) pokrywają prawdziwą wartość parametru a
Do każdego parametru występującego w modelu stawiamy dwie hipotezy statystyczne, hipotezę Ho oraz alternatywną do niej hipotezę H1 nazywaną również hipoteza badawczą:
tStudenta dla parametru a tStudenta dla parametru b
Ho : a=0 ( parametr nieistotny ) Ho : b=0 ( parametr nieistotny )
H1 : a≠0 ( parametr istotny ) H1 : b≠0 ( parametr istotny )
Oszacowane wartości statystyk porównujemy z żądanym poziomem istotności, który przyjmujemy na poziomie:
poziom istotności tα = [ 2 ]
ta = [ 3,30] tb = [ -0,23 ]
ta > tα tb < tα
Jeżeli statystyka parametru jest większa od żądanego poziomu istotności to parametr jest istotny. W przypadku parametru a odrzucamy hipotezę H0 na korzyść hipotezy H1 – parametr a jest istotny. W przypadku parametru b brak podstaw do odrzucenia hipotezę H0 – parametr b nie jest istotny.
· współczynnik determinacji R kwadrat jest to ogólna miara dobroci mode
R kwadrat = 68,58%
Oszacowany przez nas model opisuje rzeczywistą ilość stacji paliw w 68,58%
· współczynnik indeterminacji określa niedopasowanie modelu do rzeczywistości
φ² ( 100% - R kwadrat ) = 31,42%
Model nie oddaje rzeczywistości w 31,42%
Krzysztofbhp