Xem mẫu
- Tuần TV Ads Cars Sold
1 1 14
2 3 24
3 2 18
4 1 17
5 3 27
Vẽ biểu đồ phân tán. Nhận xét
Tính hệ số tương quan, r
Giải
TV Ads: Số lần quảng cáo trên TV (x)
Cars Sold: Số xe ô tô bán được (y)
30
25
20
s d
C ar Sol
15
10
5
0
0.
5 1 1.
5 2 2.
5 3 3.
5
TV ds
A
Mối liên hệ giữa số xe ô tô bán được và số lần quảng cáo trên TV có thể xấp xỉ tuyến tính
Mối liên hệ này là đồng biến
Tính hệ số tương quan, r
r= 0.936586
Mối liên hệ tuyến tính giữa số xe ô tô bán được và số lần quảng cáo trên TV là rất chặt và đồng biến
r được dùng để đánh giá cường độ và chiều hướng của mối liên hệ tuyến tính giữa 2 biến
Về cường độ: Theo một quy tắc kinh nghiệm
- r = 0 thì 2 biến X và Y không có mối liên hệ tuyến tính (vẫn có thể có mối liên hệ phi tuyến tính)
- 0 < r ≤ 0,5 thì 2 biến X và Y có mối liên hệ tuyến tính yếu
- 0,5 < r ≤ 0,7 thì 2 biến X và Y có mối liên hệ tuyến tính vừa
- 0,7 < r ≤ 0,8 thì 2 biến X và Y có mối liên hệ tuyến tính khá chặt
- 0,8 < r ≤ 0,9 thì 2 biến X và Y có mối liên hệ tuyến tính chặt
- 0,9 < r ≤ 1,0 thì 2 biến X và Y có mối liên hệ tuyến tính rất chặt
- r = 1,0 thì 2 biến X và Y có liên hệ hàm số tuyến tính
Về chiều hướng:
- r > 0 thì mối liên hệ là đồng biến
- r < 0 thì mối liên hệ là nghịch biến
Viết phương trình hồi quy ước lượng mô tả mối liên hệ tuyến tính giữa hai biến trên
Phương trình hồi quy ước lượng mô tả mối liên hệ tuyến tính giữa hai biến trên có dạng:
y = b0 + b1 x
ˆ
(Tạo công thức: Vô Inset > Object > Microsoft Equation 3.0 ở hộp Object type)
Trong Excel, ta có thể tìm được b0 và b1 theo các cách sau:
- Cách 1: Dựa vào biểu đồ phân tán
Rê con trỏ chuột trên bất kỳ điểm nào của biểu đồ phân tán rồi nhắp nút chuột phải
Chọn Add Trendline
+ Type: chọn Linear
+ Options: Nhắp nút trái chuột vào hộp chọn trước Display equation on chart và Display R-squared value on chart
30
25 fx)= +
( 5x 10
R²= 88
0.
20
s d
Car Sol
15
10
5
0
0.
5 1 1.
5 2 2.
5 3 3.
5
TV
Ads
Vậy phương trình hồi quy ước lượng là y =10 +5 x
ˆ
Cách 2: Dùng hai hàm là INTERCEPT() và SLOPE(); quét chọn dữ liệu của biến y trước, biến x sau
b0 = 10
b1 = 5
Cách 3: Dùng lệnh Regression
Tools > Data Analysis > Regression
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.94 Hệ số tương quan, r
R Square 0.88 Hệ số xác định, r2
Adjusted R Square0.84
Standard Error 2.16
Observations 5
ANOVA
df SS MS F Significance F
Regression 1 100 100 21.43 0.02
Residual 3 14 4.67
Total 4 114
Coefficients
Standard Errort Stat Pvalue Lower 95% Upper 95%
Intercept 10 2.37 4.23 0.02 2.47 17.53
TV Ads 5 1.08 4.63 0.02 1.56 8.44
b0
b1
Kiểm định ý nghĩa của β1 (Slide 33, chương 4)
Đặt giả thuyết: như Slide 33
- Giá trị thống kê kiểm định: t = 4,6291
Giá trị tra bảng phân phối t với α = 0,05 và df = n - 2 = 5 - 2 = 3 là t0,025; 3 = 3.182
Kết luận: như Slide 33
Khoảng tin cậy cho β1 (Slide 36, chương 4)
TỪ 1,56 ĐẾN 8,44
Dự báo (Slide 49, 50, 51 và 53, chương 4)
+ Dự báo điểm
Với xp = 3 thì y p = 10 + 5(3) = 25
ˆ hay y p = 25
ˆ =FORECAST(3;C2:C6;B2:B6)
+ Dự báo khoảng cho giá trị trung bình (công thức ở Slide 50)
yp =
ˆ 25
t0,025; 3 = 3.182
se = 2.16
xp = y ˆ 3 (đề cho)
x = 2
5
∑( x
i=1
i − x)2 = 4
TỪ 20.39 ĐẾN 29.61
+ Dự báo khoảng cho giá trị CÁ BIỆT (công thức ở Slide 51)
TỪ 16.72 ĐẾN 33.28
- Display R-squared value on chart
Lower 95,0% Upper 95,0%
2.47 17.53
1.56 8.44
- =TINV(0,05;3)
RECAST(3;C2:C6;B2:B6)
nguon tai.lieu . vn