Множинна лінійна регресія

Множинна лінійна регресія має вигляд.

Для аналізу залежності результативної ознаки від факторних ознак застосовано регресійний аналіз. Використавши алгоритм, описаний в пункті 2.4.2, була побудована модель множинної лінійної регресії вигляду (2.28) та знайдені параметри моделі.

Розрахунки подані у додатку Ж.

Модель має наступний вигляд:

Для перевірки моделі на значущість за формулою (2.24) знайдено емпіричне та критичне значення критерію Фішера:

Оскільки,, то рівняння регресії не значиме, тобто за даною моделлю не можна робити прогноз.

Множинна нелінійна регресія

При побудові нелінійних множинних моделей був використаний алгоритм множинної лінійної регресії. Усі розрахунки подані у додатку З.

Адитивна множинна нелінійна регресія

Було побудовано адитивну модель нелінійної множинної регресії вигляду.

.

Провівши лінеаризацію та використовуючи алгоритм множинної лінійної регресії, були знайдені оцінки параметрів моделі. Отримана модель має вигляд:

Для перевірки моделі на значущість за формулою (2.24) знайдено емпіричне та критичне значення критерію Фішера:

Оскільки,, то рівняння регресії, тобто за даною моделлю не можна робити прогноз.

Було побудовано адитивну модель нелінійної множинної регресії вигляду.

Знайдено оцінки параметрів моделі. Отримана модель має вигляд.

Для перевірки моделі на значущість за формулою (2.24) знайдено емпіричне та критичне значення критерію Фішера:

Оскільки,, то рівняння регресії незначиме, тобто за даною моделлю не можна робити прогноз.

Було побудовано адитивну модель нелінійної множинної регресії вигляду.

Знайдено оцінки параметрів регресії. Отримано модель вигляду:

Для перевірки моделі на значущість за формулою (2.24) знайдено емпіричне та критичне значення критерію Фішера:

Оскільки,, то рівняння регресії не значиме, тобто за даною моделлю не можна робити прогноз.