На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Работа № 93261


Наименование:


Курсовик КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЕ МОДЕЛИ И ИХ ПРИМЕНЕНИЕ В АНАЛИЗЕ И ПРОГНОЗЕ

Информация:

Тип работы: Курсовик. Добавлен: 15.12.2015. Сдан: 2012. Страниц: 32. Уникальность по antiplagiat.ru: < 30%

Описание (план):


СОДЕРЖАНИЕ
ВВЕДЕНИЕ 3
1 РЕГРЕССИОННЫЙ АНАЛИЗ 4
1.1 Понятие регрессионного анализа 4
1.2 Виды уравнений регрессии 4
1.3 Парная линейная регрессия 5
1.4 Множественная регрессия 6
1.5 Коэффициенты регрессии 18
2 КОРРЕЛЯЦИОННЫЙ АНАЛИЗ 10
2.1 Понятие корреляционного анализа 10
2.2 Множественная корреляция 10
2.3 Коэффициенты корреляции 10
2.3.1 Линейный коэффициент корреляции 10
2.3.2 Корреляционное отношение 11
2.3.3 Множественный коэффициент корреляции 12
2.3.4 Частные коэффициенты корреляции 12
2.3.5 Ранговые коэффициенты 13
2.4 Статистическая оценка точности и надежности параметров корреляции 15
3 ИСПОЛЬЗОВАНИЕ КОРРЕЛЯЦИОННО - РЕГРЕССИОННОГО АНАЛИЗАДЛЯ ЭКОНОМИЧЕСКИХ СТАТИСТИЧЕСКИХ ДАННЫХ 17
3.1 Роль корреляционно-регрессионного анализа в обработке экономических данных 17
3.2 Корреляционно-регрессионные модели и их применение в прогнозе и анализе 18
3.3 Пакет анализа Mocrosoft Excel 23
ЗАКЛЮЧЕНИЕ 28
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 29
ПРИЛОЖЕНИЕ А 30
ПРИЛОЖЕНИЕ Б 31
ВВЕДЕНИЕ
Диалектический подход к изучению природы и общества требует рассмотрения явлений в их взаимосвязи и непрестанном изменении. Понятия корреляции и регрессии появились в середине XIX в. благодаря работам английских статистиков Ф. Гальтона и К. Пирсона. Первый термин произошел от латинского «correlatio» - соотношение, взаимосвязь. Второй термин (от лат. «regressio» - движение назад) введен Ф. Гальтоном, который, изучая зависимость между ростом родителей и их детей, обнаружил явление «регрессии к среднему» - у детей, родившихся у очень высоких родителей, рост имел тенденцию быть ближе к средней величине.
В практике экономических исследований очень часто имеющиеся данные нельзя считать выборкой из многомерной нормальной совокупности, например, когда одна из рассматриваемых переменных не является случайной или когда линия регрессии явно не прямая и т.п. В этих случаях пытаются определить кривую (поверхность), которая дает наилучшее (в смысле метода наименьших квадратов) приближение к исходным данным. Соответствующие методы приближения получили название регрессионного анализа. Задачами регрессионного анализа являются установление формы зависимости между переменными, оценка функции регрессии, оценка неизвестных значений (прогноз значений) зависимой переменной.
Целью данного проекта - исследовать функциональную зависимость между случайными величинами методами корреляционного и регрессионного анализов.
Задачей курсового проекта является изучению возможности обработки статистических данных методами корреляционного и регрессионного анализа с использованием пакета прикладных программ Microsoft Excel.


1 РЕГРЕССИОННЫЙ АНАЛИЗ
1.1 Понятие регрессионного анализа
Регрессионный анализ - это группа методов, направленных на выявление и математическое выражение тех изменений и зависимостей, которые имеют место в системе случайных величин.
Методы регрессионного анализа рассчитаны, главным образом, на случай устойчивого нормального распределения, в котором изменения от опыта к опыту проявляются лишь в виде независимых испытаний.
Выделяются различные формальные задачи регрессионного анализа. Они могут быть простыми или сложными по формулировкам, по математическим средствам и трудоемкости. Перечислим основные:
Первая задача - выявить факт изменчивости изучаемого явления при определенных, но не всегда четко фиксированных условиях.
Вторая задача - выявить тенденцию как периодическое изменение признака. Сам по себе этот признак, может быть, зависим или не зависим от переменной - условия (он может зависеть от неизвестных или неконтролируемых исследователем условий).
1.2 Виды уравнений регрессии
Уравнение регрессии должно определять, каким будет среднее значение результативного признака у при том или ином значении факторного признака х, если остальные факторы, влияющие на у и не связанные с х, не учитывать, т.е. абстрагироваться от них. Другими словами, уравнение регрессии можно рассматривать как вероятностную гипотетически функциональную связь средней величины результативного признака у со значениями факторного признака х.
Уравнение регрессии можно также назвать теоритической линией регрессии. Рассчитанное по уравнению регрессии значения результативного признака называется теоритическими, обычно обозначаются, и рассматривается как функция от х, т.е. =f(x).
Найти в каждом конкретном случае тип функции, с помощью которой можно наиболее адекватно отразить ту или иную зависимость между признаками х и у, - одна из основных задач регрессионного анализа.
Выбор теоритической линии регрессии часто обусловлен формой эмпирической линии регрессии; теоритическая линия как бы сглаживает изломы эмпирической линии регрессии. Кроме того, необходимо учитывать природу изучаемых показателей и специфику взаимосвязей.
Для аналитической связи между х и у могут использоваться следующие простые виды уравнений:
1) (прямая);
2) (парабола 2-го порядка);
3) (гипербола);
4) (показательная функция);
5) (логарифмическая функция);
6) (логистическая функция) и др.
Обычно зависимость, выражаемую уравнением прямой, называют линейной (или прямолинейной), а все остальные - криволинейными.
Выбрав тип функции, по эмпирическим данным определяют параметры уравнения. При этом отыскиваемые параметры должны быть такими, при которых рассчитанные по уравнению теоритические значения результативного признака были бы максимально близки к эмпирическим данным.
Существует несколько методов нахождения параметров уравнения регрессии. Наиболее часто используется метод наименьших квадратов (МНК). Его суть заключается в следующем требовании: искомые теоретические значения результативного признака должны быть такими, при которых бы обеспечивалась минимальная сумма квадратов их отклонений от эмпирических значений, т.е.

(1)

Подставив данное условие, легко определить, при каких значениях и т.д. для каждой аналитической кривой эта сумма квадратов отклонений будет минимальной.
1.3 Парная линейна регрессия
Линейная зависимость - наиболее часто используемая форма связи между двумя коррелируемыми признаками, и выражается она уравнением прямой:

. (2)

Гипотеза именно о линейной зависимости между х и у выдвигается в том случае, если значения результативного и факторного признаков возрастают (убывают) одинаково, примерно в арифметической прогрессии.
Параметры отыскиваются по МНК следующим образом. Согласно требованию МНК при линейной зависимости в формуле (1) вместо записываем его конкретное выражение: .Тогда:

(3)

Дальнейшее решение сводится к задаче на экстремум, т.е. к определению того, при каком значении функция двух переменных S может достигнуть минимума.
Как известно, для этого надо найти частные производные S по , приравнять их к нулю и после элементарных преобразований решить систему двух уравнений с двумя неизвестными.
В соответствии с изложенным найдем частные производные

(4)

Сократив каждое уравнение на (- 2) , раскрыв скобки и перенеся члены с х в одну сторону, а с у - в другую, получим

(5)

Эта система называется системой нормальных уравнений МНК для
линейного уравнения регрессии.
Для решения системы (3) по эмпирическим данным определяем число единиц наблюдения n, сумму значений факторного признака , сумму их квадратов , а также сумму значений результативного признака и сумму произведений .
Подставив все эти суммы в систему нормальных уравнений, найдем параметры иско........

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Минашкин В.Г. - Теория статистики - Москва 2008. - 315с.
2. Громыко Г.Л. - Теория статистики - Москва 2005 - 476с.
3. Елисеева И.И. - Статистика - Москва 2010 - 441с.
4. Макарова Н.В.,Трофимец В.Я. - Москва 2002 - 367с



Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы

* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.