Условие 4: Проверете дали параметрите на модела са статистически значими?
Дефинираме двойката хипотези:
|
|
|
|
|
|
|
Н0: Коефициентът "b1" е статистически незначим.
|
|
|
|
|
|
|
Липсва съществен ефект от промяната на трудовия стаж върху времето за обслужване.
|
|
|
|
|
|
|
Н1: Коефициентът "b" е статистически значим.
|
|
|
|
|
|
|
Установен е закономерен ефект на работния стаж върху времето нужно за обслужване на клиенти.
|
|
|
|
|
|
|
Определяме риска за грешки първи род: алфа=0,05 (5%)
|
|
|
|
|
|
|
Определяме критерия за проверка: Тест на Стюдънт (T-тест).
|
|
|
|
|
|
|
Изчисляваме емпиричната характеристика на теста Т[em]:
|
|
|
|
|
|
|
b1= - 5,15
se[b1]=1,061
T[em]= b1 /se[b1]
T[em]= 4,85
Определяме теоретичната характеристика T[T]:
Аlpha = 0,05 (5% риск за грешка)
Степен на свобода df=n-2=5
T[T]=2,571
Решение: Тъй като емпиричната характеристика на теста е по-голяма от теоретичната, то нулевата хипотеза може да се отхвърли.
Извод: При риск за грешка 5% и по данни от извадката може да се твърди, че е налице статистически значим ефект на въздействие на работният стаж върху времето за обслужване.
Условие 5: Намерете силата на връзката между трудовия стаж и времето за обслужване (коефициент на корелация) ?
Коефициентът на корелация го намерихме, изпълнявайки „Условие 3“:
Той показва, че съществува много силна обратна зависимост между двата признака, което означава, че при покачване стойностите на единия признак, стойностите на другия намаляват.
Условие 6: Намерете каква част от времето за обслужване се дължи на трудовия стаж (коефициент на детерминация) ?
Коефициентът на детерминация намираме като повдигнем коефициентът на корелация на втора степен:
D = 85,2%
Отговор: 85,2% от времето за обслужване се дължи на трудовия стаж.
Условие 7: Намерете каква част от времето за обслужване се дължи на други фактори, които не са включени в модела (коефициент на индетерминация)?
Отговор: 14,8% от времето за обслужване се дължи на други фактори, които не са включени в модела.
ЗАДАЧА 2:
Целта на задачата е да се направят статистически анализи на броя на безработните в община „X”, на база на които, да се предприемат съответните действия по намаляване броя на безработните. Обект на изследване са безработните хора в община „Х“ през последните 7 години. Предметът на изследване е техният среден брой и тяхното разсейване. На база на данните се опитваме да прогнозираме техният брой за следващата година.
Условие 1: Намерете средния брой безработни за периода;
Средната аритметична стойност намираме като съберем всички безработни през годините и разделим тяхната сума на броя на години, за които имаме данни:
Xsr = 4317/7 = 616,71
Извод: Средният брой на безработните хора в община „Х“, за последните 7 години е 616,71 човека на година.
Условие 2: Намерете средното разсейване около средния брой безработни;
За целта намираме стандартното отклонение (СО):
= 261,89
Извод: Разсейването на разпределението на данните е 261,89 човека. Това показва с колко човека обичайно варират безработните спрямо средния им брой.
Условие 3: Да се прогнозира броя на безработните за 2022 година въз основа на аналитичен метод.
Намираме коефициентите на модела:
b=443
b1=43.43
Прогнозираме за 2022г.:
Y=790,43
Извод: Посредством данните, с които разполагаме и построеният регресионен модел, изчисляваме брой на безработните за 2022 година в община „Х“ – 790 човека.
Сподели с приятели: |