Видео ролики бесплатно онлайн
Смотреть 2022 видео
Официальный сайт mkad14 24/7/365
Смотреть видео бесплатно
|
||||||||||||
|
РефератыСтатистика (103)Анализ рентабельности с помощью программы Олимп
Размер: 26.79 KB
Скачан: 172 Добавлен: 15.10.2005 Московский Государственный Университет Экономики, Статистики и Информатики Контрольная работа по дисциплине «Многомерные статистические методы» Выполнила студентка: Группы ЗСС-301 Елисеенкова Елена № зачетной книжки: 99183 Москва 2001. Содержание
Методика многомерного статистического исследования 4 Корреляционный и регрессионный анализ. 4 Компонентный анализ. 5 Интерпретация результатов исследования 7 Заключение 17 Список использованной литературы 18 Экономическая постановка задачи В данной работе с помощью пакета прикладных программ «Олимп» исследовано влияние нескольких независимых факторов на один зависимый. В данном случае рассматривается зависимость рентабельности (%) от следующих факторов: Проведем анализ содержательного смысла исследуемых признаков. Рентабельность - это отношение валовой или чистой прибыли к среднегодовому объему основных и оборотных фондов. Производительность труда отражает окупаемость затрат на производство данной продукции или услуг, помогает определить выгоду от данного производства. Трудоемкость единицы продукции - это затраты рабочего времени на производство единицы продукции. Показатель трудоемкости является обратным показателю производительности труда. Удельный вес рабочих в составе промышленно-производственного персонала Удельный вес покупных изделий (%) имеет влияние на прибыль, полученную от производство продукции или услуг. Коэффициент сменности оборудования показывает какое количество смен работает один станок. Он позволяет оценить окупаемость оборудования и его производительность. Премии и вознаграждения на одного работника в % к заработной плате относятся к группе экономических факторов. Влияние данного фактора на производительность труда очевидно. Понятно, что увеличение материальной заинтересованности работника создает стимул для улучшения качества и производительности выполняемой работы, то есть наблюдается прямая зависимость. Увеличение доли нестабильных элементов заработной платы, или, иначе говоря, премий и вознаграждений относят к наиболее типичным формам и принципам оплаты труда и материального стимулирования. Этот фактор является компонентом внешней мотивации труда, которая оказывает очень сильное воздействие на производительность труда. Удельный вес потерь от брака – это вес единицы объема брака. Он помогает определить количество брака данной продукции и произошедшие вследствие этого потери. Дает возможность вовремя исправлять ошибки, связанные, например, с неисправностью оборудования. Методика многомерного статистического исследования Корреляционный и регрессионный анализ. В экономических исследованиях часто решают задачу выявления факторов, определяющих уровень и динамику экономического процесса. Такая задача чаще всего решается методом корреляционного и регрессионного анализа. Термин «корреляция» произошел от латинского «correlation» - соотношение. Термин «регрессия» также латинского происхождения и означает обратное движение. В настоящее время в этот термин вкладывается совершенно другой смысл. Две случайные величины имеют корреляционную связь, если математическое ожидание одной из них изменяется в зависимости от изменения другой. Метод математической статистики, изучающий связи между явлениями, называется корреляционным анализом. Основными задачами корреляционного анализа являются оценка силы связи и проверка статистических гипотез о наличии и силе корреляционной связи. Существуют следующие виды корреляционной связи. Не все факторы, влияющие на экономические процессы, являются случайными величинами. Поэтому при анализе экономических явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий, называется регрессионным анализом. Задачами регрессионного анализа являются а) установление формы зависимости; б) определение функции регрессии и на этой основе установление характера и степени влияния аргументов на функцию. Существуют следующие виды регрессии. Сущность корреляционного и регрессионного методов анализа состоит в усреднении значений включенных в модель переменных, которые имеют количественное выражение. Корреляционный и регрессионный анализ тесно связаны между собой. В практике современного статистического анализа они не могут существовать друг без друга. Это и понятно, поскольку оценка степени и силы связи без последующего моделирования взаимосвязи не представляет особого интереса, а само моделирование зависимости осуществляется на основе использования различных показателей корреляции как для предварительного анализа информации, так и для характеристики адекватности модели. Рассмотрим выделенные этапы более подробно: 1. Формулировка экономической задачи. На этом этапе формируются теоретические гипотезы о зависимости экономических явлений, устанавливаются объект и период исследования. В корреляционном анализе здесь же выявляются переменные, связь между которыми подлежит оценке. В регрессионном анализе выявляются причинно-следственные отношения между переменными на основе изложения сущности изучаемого экономического явления. 2. Сбор и анализ исходной информации. В соответствии с целью исследования устанавливают, какой вид статистического наблюдения следует использовать. Здесь важно отметить, что выводы, полученные в результате анализа выборочной совокупности, с предельной вероятностью можно распространить на всю генеральную совокупность при условии, что выборка репрезентативна (т.е. в выборочной совокупности достоверно отражены все тенденции, имеющие место в генеральной совокупности). Анализ исходной информации осуществляется с целью определения ее качества, от которого во многом зависят результаты как корреляционного, так и регрессионного анализа. Исходная информация должна быть достоверна, иметь количественное выражение и быть достаточной по количеству. В регрессионном анализе в соответствии с сформулированной целью исследования и после анализа исходной информации производится выбор зависимой и объясняющей переменных, которые необходимо включить в модель. 3. Проверка предпосылок корреляционного и регрессионного анализа. Для применения корреляционного анализа необходимо, чтобы все рассматриваемые переменные были случайными и имели нормальный закон распределения. Причем выполнение этих двух условий необходимо только при вероятностной оценке выявленной тесноты связи. 4. Экономическая интерпретация результатов осуществляется на основе содержательного истолкования полученных в ходе анализа результатов. Компонентный анализ. В зависимости от конкретных задач, решаемых в экономике, каждый из методов факторного анализа, в том числе метод главных компонент, имеют свои достоинства и недостатки. Компонентный анализ считается статистическим методом. Однако, есть другой подход, приводящий к компонентному анализу, но не являющийся статистическим. Этот подход связан с получением наилучшей проекции точек наблюдения в пространстве меньшей размерности. В статистическом подходе задача будет заключаться в выделении линейных комбинаций случайных величин, имеющих максимально возможную дисперсию. Он опирается на ковариационную и корреляционную матрицу этих величин. У этих двух разных подходов есть общий аспект: использование матрицы вторых моментов как исходной для начала анализа. Методы факторного анализа позволяют решать следующие четыре задачи. Первая заключается в «сжатии» информации до обозримых размеров, т.е. извлечения из исходной информации наиболее существенной части за счет перехода от системы исходных переменных к системе обобщенных факторов. При этом выявляются неявные, непосредственно не измененные, но объективно существующие закономерности, обусловленные действием как внутренних, так и внешних причин. Вторая сводится к описанию исследуемого явления значительно меньшим числом m обобщенных факторов (главных компонент) по сравнению с числом исходных признаков. Обобщенные факторы – это новые единицы измерения свойств явления, непосредственно измеряемых признаков. Третья – связана с выявлением взаимосвязи наблюдаемых признаков с вновь полученными обобщенными факторами. Четвертая заключается в построении уравнения регрессии на главных компонентах с целью прогнозирования изучаемого явления. Компонентный анализ может быть также использован при классификации наблюдений (объектов). В экономических исследованиях стремление полнее изучить исследуемое явление приводит к включению в модуль все большего числа исходных переменных, которые зачастую отражают одни и те же свойства объема наблюдения. Это приводит к высокой корреляции между переменными, т.е. к явлению мультиколлинеарности. При этом классические методы регрессионного анализа оказываются малоэффективными. Преимущество уравнения регрессии на главные компоненты в том, что последние не коррелированны между собой. Главные компоненты являются характеристическими векторами ковариационной матрицы. Множество главных компонент представляет собой удобную систему координат, а их вклад в общую дисперсию характеризует статистические свойства главных компонент. Из общего числа главных компонент для исследования, как правило, оставляют наиболее весомых, т.е. вносящих максимальный вклад в объясняемую часть общей дисперсии. Таким образом, несмотря на то, что в методе главных компонент надо для точного воспроизведения корреляции и дисперсии между переменными найти все компоненты, большая доля дисперсии объясняется небольшим числом главных компонент. Кроме того, можно по признакам описать факторы, а по факторам Интерпретация результатов исследования Для исследования использовались следующие данные: Исходные данные для анализа Далее был проведен на исходные данные корреляционный анализ. Были получены следующие результаты. Матрица +-----+-------+-------+-------+-------+-------+-------+-------+ | N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | | x4 | 1.00 | -0.14 | -0.65 | -0.54 | -0.38 | 0.01 | -0.21 | | x5 | -0.14 | 1.00 | -0.05 | 0.39 | 0.13 | 0.35 | 0.24 | | x6 | -0.65 | -0.05 | 1.00 | 0.06 | 0.20 | -0.43 | 0.24 | | x7 | -0.54 | 0.39 | 0.06 | 1.00 | 0.15 | 0.20 | -0.02 | | x8 | -0.38 | 0.13 | 0.20 | 0.15 | 1.00 | -0.09 | 0.76 | | x9 | 0.01 | 0.35 | -0.43 | 0.20 | -0.09 | 1.00 | -0.09 | | y2 | -0.21 | 0.24 | 0.24 | -0.02 | 0.76 | -0.09 | 1.00 | +-----+-------+-------+-------+-------+-------+-------+-------+ t-значения +-----+-------+-------+-------+-------+-------+-------+-------+ | N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | +-----+-------+-------+-------+-------+-------+-------+-------+ | x4 | 1.00 | 0.75 | 4.51 | 3.42 | 2.18 | 0.05 | 1.14 | | x5 | 0.75 | 1.00 | 0.25 | 2.25 | 0.68 | 2.00 | 1.32 | | x6 | 4.51 | 0.25 | 1.00 | 0.29 | 1.09 | 2.49 | 1.30 | | x7 | 3.42 | 2.25 | 0.29 | 1.00 | 0.82 | 1.06 | 0.13 | | x8 | 2.18 | 0.68 | 1.09 | 0.82 | 1.00 | 0.46 | 6.12 | | x9 | 0.05 | 2.00 | 2.49 | 1.06 | 0.46 | 1.00 | 0.48 | | y2 | 1.14 | 1.32 | 1.30 | 0.13 | 6.12 | 0.48 | 1.00 | +-----+-------+-------+-------+-------+-------+-------+-------+ Кpитические значения t-pаспpеделения пpи 28 степенях свободы веpоятность t-значение 0.950 1.706 0.990 2.470 0.999 3.404 Доверительные интервалы +-----+-------+-------+-------+-------+-------+-------+-------+ | N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | +-----+-------+-------+-------+-------+-------+-------+-------+ | x4 | 0.00 | 0.17 | -0.43 | -0.28 | -0.08 | 0.32 | 0.10 | | x4 | 0.00 | -0.43 | -0.80 | -0.73 | -0.62 | -0.30 | -0.49 | | x5 | 0.17 | 0.00 | 0.26 | 0.62 | 0.42 | 0.60 | 0.51 | | x5 | -0.43 | 0.00 | -0.35 | 0.10 | -0.19 | 0.05 | -0.07 | | x6 | -0.43 | 0.26 | 0.00 | 0.36 | 0.48 | -0.14 | 0.51 | | x6 | -0.80 | -0.35 | 0.00 | -0.26 | -0.11 | -0.65 | -0.07 | | x7 | -0.28 | 0.62 | 0.36 | 0.00 | 0.44 | 0.48 | 0.28 | | x7 | -0.73 | 0.10 | -0.26 | 0.00 | -0.16 | -0.12 | -0.33 | | x8 | -0.08 | 0.42 | 0.48 | 0.44 | 0.00 | 0.23 | 0.86 | | x8 | -0.62 | -0.19 | -0.11 | -0.16 | 0.00 | -0.38 | 0.59 | | x9 | 0.32 | 0.60 | -0.14 | 0.48 | 0.23 | 0.00 | 0.22 | | x9 | -0.30 | 0.05 | -0.65 | -0.12 | -0.38 | 0.00 | -0.39 | | y2 | 0.10 | 0.51 | 0.51 | 0.28 | 0.86 | 0.22 | 0.00 | | y2 | -0.49 | -0.07 | -0.07 | -0.33 | 0.59 | -0.39 | 0.00 | +-----+-------+-------+-------+-------+-------+-------+-------+ прогноз по регрессии НЕТ +1----+--------------------------------------------------+--------+ | N | kkkkkkkkkk?k°кdYь | .Ў5 | +-----+--------------------------------------------------+--------+ | x4 | 0.87 | 10.12 | | x5 | 0.60 | 1.74 | | x6 | 0.84 | 7.37 | | x7 | 0.74 | 3.83 | | x8 | 0.82 | 6.35 | | x9 | 0.64 | 2.19 | | y2 | 0.81 | 6.11 | +-----+--------------------------------------------------+--------+ Анализируя полученные результаты, при tкр=1,706 с вероятностью 0,95 можно утверждать, что рентабельность имеет наибольшую зависимость от следующих факторов: удельного веса покупных изделий, коэффициента сменности оборудования и от премий и вознаграждений на одного работника в % к заработной плате и меньше всего зависит от удельного веса потерь от брака и от удельного веса рабочих в составе промышленно-производственного персонала. Потом провели анализ с помощью линейной регрессии. Приведем протокол множественной линейной регрессии. *** Протокол множественной линейной регрессии *** Зависимая переменная Y - y2 +---+----------+-----------+---------------+-----------+--------+--------- | | | | квадатическое | значение | оценка | оценка Кpитические значения t-pаспpеделения пpи 23 степенях свободы веpоятность t-значение 0.900 1.323 0.950 1.719 0.990 2.503 Т.к. значение t при х9 (самое маленькое из полученных) меньше tкр – мы его исключаем. И проводим анализ еще раз. ШАГ 2 *** Протокол множественной линейной регрессии *** Зависимая переменная Y - y2 Функция Y = -12.473+11.313*x4+28.935*x5+8.418*x6-8.337*x7+9.719*x8 Оценки коэффициентов линейной регрессии Кpитические значения t-pаспpеделения пpи 24 степенях свободы веpоятность t-значение 0.900 1.321 0.950 1.716 0.990 2.495 Т.к. значение t при х4 (самое маленькое из полученных на втором шаге) меньше tкр – мы его исключаем. И проводим анализ еще раз. ШАГ 3 *** Протокол множественной линейной регрессии *** Зависимая переменная Y - y2 Функция Y = -2.485+30.026*x5+4.567*x6-12.718*x7+9.316*x8 Оценки коэффициентов линейной регрессии Кpитические значения t-pаспpеделения пpи 25 степенях свободы веpоятность t-значение 0.900 1.319 0.950 1.713 0.990 2.488 Т.к. значение t при х6 (самое маленькое из полученных на третьем шаге) меньше tкр – мы его исключаем. И проводим анализ еще раз. ШАГ 4 *** Протокол множественной линейной регрессии *** Зависимая переменная Y - y2 Функция Y = -0.990+28.691*x5-12.346*x7+9.610*x8 Оценки коэффициентов линейной регрессии Кpитические значения t-pаспpеделения пpи 26 степенях свободы веpоятность t-значение 0.900 1.318 0.950 1.710 0.990 2.482 Так как все t-значения полученного уравнения регрессии больше tкр= Анализируя полученное уравнение регрессии, можно сделать вывод, что при увеличении удельного веса рабочих в составе промышленно- производственного персонала на 1% рентабельность увеличивается на 28,691%, а при увеличении коэффициента сменности оборудования на 1 рентабельность уменьшается на 12,346%, если же мы увеличим премии и вознаграждения на одного работника на 1%, то рентабельность увеличится на 9,610%. Оценки коэффициентов интерпретации линейной регрессии +----?--------?---------?---------+ | N |Коэффиц.|Вета- |Дельта- | | |эластичн|коэффиц. |коэффиц. | +----?--------?---------?---------+ |1 | +1.575| +0.237| +0.090| |2 | -1.210| -0.234| +0.009| |3 | +0.707| +0.762| +0.901| +----?--------?---------?---------+ Таблица остатков +----+--------------+-----------+------------+---------------+ | N | Эмпирическое | Расчетное | Ошибка | Ошибка | | | значение | значение | абсолютная | относительная | +----+--------------+-----------+------------+---------------+ | 1 | 13.26 | 16.29 | -3.03 | -0.23 | | 2 | 10.16 | 12.13 | -1.97 | -0.19 | | 3 | 13.72 | 18.04 | -4.32 | -0.31 | | 4 | 12.85 | 5.69 | 7.16 | 0.56 | | 5 | 10.63 | 8.59 | 2.04 | 0.19 | | 6 | 9.12 | 9.13 | -0.01 | -0.00 | | 7 | 25.83 | 22.16 | 3.67 | 0.14 | | 8 | 23.39 | 20.04 | 3.35 | 0.14 | | 9 | 14.68 | 12.56 | 2.12 | 0.14 | | 10 | 10.05 | 10.29 | -0.24 | -0.02 | | 11 | 13.99 | 12.45 | 1.54 | 0.11 | | 12 | 9.68 | 14.73 | -5.05 | -0.52 | | 13 | 10.03 | 10.19 | -0.16 | -0.02 | | 14 | 9.13 | 14.48 | -5.35 | -0.59 | | 15 | 5.37 | 7.70 | -2.33 | -0.43 | | 16 | 9.86 | 12.33 | -2.47 | -0.25 | | 17 | 12.62 | 12.31 | 0.31 | 0.02 | | 18 | 5.02 | 7.12 | -2.10 | -0.42 | | 19 | 21.18 | 20.71 | 0.47 | 0.02 | | 20 | 25.17 | 18.30 | 6.87 | 0.27 | | 21 | 19.10 | 16.64 | 2.46 | 0.13 | | 22 | 21.00 | 18.30 | 2.70 | 0.13 | | 23 | 6.57 | 10.89 | -4.32 | -0.66 | | 24 | 14.19 | 12.66 | 1.53 | 0.11 | | 25 | 15.81 | 22.23 | -6.42 | -0.41 | | 26 | 5.23 | 7.85 | -2.62 | -0.50 | | 27 | 7.99 | 7.90 | 0.09 | 0.01 | | 28 | 17.50 | 12.37 | 5.13 | 0.29 | | 29 | 17.16 | 15.65 | 1.51 | 0.09 | | 30 | 14.54 | 15.10 | -0.56 | -0.04 | +----+--------------+-----------+------------+---------------+ Характеристики остатков Среднее значение..................... 0.000 Оценка дисперсии..................... 11.6 Оценка приведенной дисперсии........ 13.4 Средний модуль остатков.............. 2.730 Относительная ошибка аппроксимации... 0.232 Критерий Дарбина-Уотсона............. 1.692 Коэффициент детерминации............. 0.640 F - значение ( n1 = 4, n2 = 26)... 114 Гипотеза о значимости уравнения не отвергается с вероятностью 0.950 Факторы, включенные в уравнение регрессии, объясняют 64% вариации уровня производительности труда. Fрасч.=114 > Fкр=2,74 (n1= 4, n2=26), что доказывает значимость уравнения регрессии с вероятностью 0,95. Потом был проведен факторный анализ. Приведем ниже протокол факторного анализа. *** Протокол факторного анализа *** 1 шаг фактоpного анализа +---+-------------+-------------+ | N | Собственные | Накопленные | | | значения | отношения | +---+-------------+-------------+ | 1 | 2.43 | 0.35 | | 2 | 1.73 | 0.59 | | 3 | 1.33 | 0.78 | | 4 | 0.64 | 0.88 | | 5 | 0.56 | 0.96 | | 6 | 0.19 | 0.98 | | 7 | 0.11 | 1.00 | +---+-------------+-------------+ Коэффициенты главных компонент +-----+-------+-------+-------+-------+-------+-------+-------+ | N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | +-----+-------+-------+-------+-------+-------+-------+-------+ | x4 | 0.51 | -0.04 | 0.42 | -0.21 | -0.26 | 0.18 | -0.64 | | x5 | -0.22 | 0.53 | 0.12 | -0.75 | -0.09 | -0.29 | 0.07 | | x6 | -0.41 | -0.37 | -0.36 | -0.34 | 0.38 | 0.11 | -0.55 | | x7 | -0.30 | 0.44 | -0.38 | 0.24 | -0.55 | 0.35 | -0.28 | | x8 | -0.48 | -0.06 | 0.44 | 0.37 | -0.13 | -0.56 | -0.32 | | x9 | 0.09 | 0.61 | 0.11 | 0.28 | 0.68 | 0.11 | -0.23 | +-----+-------+-------+-------+-------+-------+-------+-------+ Матрица факторов (отобрано факторов 7) +-----+-------+-------+-------+-------+-------+-------+-------+ | N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | +-----+-------+-------+-------+-------+-------+-------+-------+ | x4 | 0.80 | -0.05 | 0.48 | -0.17 | -0.19 | 0.08 | -0.22 | | x5 | -0.34 | 0.70 | 0.14 | -0.60 | -0.07 | -0.13 | 0.02 | | x6 | -0.63 | -0.49 | -0.42 | -0.27 | 0.28 | 0.05 | -0.18 | | x7 | -0.47 | 0.58 | -0.44 | 0.19 | -0.41 | 0.15 | -0.09 | | x8 | -0.75 | -0.08 | 0.51 | 0.29 | -0.09 | -0.25 | -0.11 | | x9 | 0.13 | 0.80 | 0.12 | 0.23 | 0.51 | 0.05 | -0.08 | +-----+-------+-------+-------+-------+-------+-------+-------+ Рассмотрим три первые главные компоненты, так как их общий вклад в суммарную дисперсию составил 78%. Связанным с первой главной компонентой является Х4, то есть трудоемкость единицы продукции. +---+----------+ Просмотр главных компонент |N |Фактор1 |Фактор2 |Фактор3 |Фактор4 |Фактор5 |Фактор6 | Проведем регрессионный анализ на главные компоненты. *** Протокол множественной линейной регрессии *** Зависимая переменная Y - y2 Функция Y = +13.494-2.249*Фактор N1-0.414*Фактор N2+3.788*Фактор N3- Оценки коэффициентов линейной регрессии +---+----------+-----------+---------------+-----------+--------+--------- Кpитические значения t-pаспpеделения пpи 23 степенях свободы веpоятность t-значение 0.900 1.323 0.950 1.719 0.990 2.503 Сравнивая расчетные t-значения с tкр=1,323, с вероятностью 0,95 можно утверждать, что фактор1, фактор 4, фактор 2 и фактор 5 являются значимыми. Оценки коэффициентов интерпретации линейной регрессии +----?--------?---------?---------+ | N |Коэффиц.|Вета- |Дельта- | | |эластичн|коэффиц. |коэффиц. | +----?--------?---------?---------+ |1 | +0.000| -0.396| +0.238| |2 | +0.000| -0.073| +0.008| |3 | +0.000| +0.668| +0.675| |4 | +0.000| -0.187| +0.053| |5 | +0.000| +0.093| +0.013| |6 | -0.000| +0.093| +0.013| +----?--------?---------?---------+ Таблица остатков +----+--------------+-----------+------------+---------------+ Характеристики остатков Среднее значение..................... -0.000 Оценка дисперсии..................... 10.9 Оценка приведенной дисперсии........ 14.3 Средний модуль остатков.............. 2.655 Относительная ошибка аппроксимации... 0.217 Критерий Дарбина-Уотсона............. 1.749 Коэффициент детерминации............. 0.660 F - значение ( n1 = 7, n2 = 23)... 61.1 Гипотеза о значимости уравнения не отвергается с вероятностью 0.950 Факторы, включенные в уравнение регрессии, объясняют 66% вариации уровня производительности труда. Сравнивая F-значение = 61,1 с Fкр = 2,53, можно сделать вывод, что уравнение регрессии на главные компоненты является значимым с вероятностью Сравним теперь два полученных уравнения регрессий: регрессии на исходные данные и регрессии на главные компоненты: Функция Y = +13.494-2.249*Фактор N1-0.414*Фактор N2+3.788*Фактор N3- Анализируя эти два уравнения и помня, что первая главная компонента связана с Х4, можно сделать вывод, что уравнение регрессии на главные компоненты дает лучшую интерпретацию результатов. Следовательно, рентабельность зависит в основном от трудоемкость единицы продукции. Заключение В данной работе с помощью методов многомерного статистического анализа Проведенный анализ позволил выявить влияние на рентабельность таких факторов, как трудоемкость единицы продукции, удельный вес рабочих в составе промышленно-производственного персонала, удельный вес покупных изделий, коэффициент сменности оборудования, премии и вознаграждении на одного работника в % к заработной плате и удельный вес потерь от брака. В результате сравнения двух полученных уравнений мы сделали вывод, что уравнение регрессии на главные компоненты лучше интерпретирует результаты анализа, чем уравнение регрессии на исходные данные. Список использованной литературы 1. Исследование зависимостей и снижение размерностей с использованием ППП «Олимп», Мхитарян В.С., Дубров А.М., Трошин Л.И., Дуброва Т.А., Корнилов И.А. - М.: МЭСИ, 2000. 2. Многомерные статистические методы, Дубров А.М.. Мхитарян В.С., Трошин Л.И. - М.: Финансы и статистика, 2000. |
|
Смотреть видео онлайн
Онлайн видео бесплатно