- •1. Парная регрессия и корреляция
- •1.1. Оценка параметров, оценка адекватности модели
- •1.2. Виды нелинейной регрессии. Оценка параметров модели.
- •1.3. Коэффициент эластичности как характеристика силы связи фактора с результатом
- •1.4. Анализ гетероскедастичности
- •2. Множественная регрессия и корреляция
- •2.1. Нормальная линейная модель множественной регрессии
- •2.2. Традиционный метод наименьших квадратов для многомерной регрессии (ols)
- •2.3. Парный, частный и множественный коэффициент корреляции
- •3. Моделирование одномерных временных рядов
- •3.1. Основные понятия и определения
- •3.2. Требования к исходной информации
- •3.3. Этапы построения прогноза по временным рядам
- •4. Типичные примеры анализа моделей Задача 1
- •Задача 3
- •Задача 4
- •Задача 5
- •Задача 6
- •Задача 7
- •Задача 8
- •5. Задания для выполнения контрольных работ Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Приложение 1 Статистико-математические таблицы
- •Критические значения t-критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
- •Критические значения корреляции для уровневой значимости 0,05 и 0,01
- •Значения статистик Дарбина-Уотсона для 5%-го уровня значимости
- •Критические границы отношения rs на 5% уровне значимости
- •Содержание
Задача 5
Имеются данные среднегодовой стоимости основных фондов, (млн руб.)х1, среднегодовой стоимости оборотных средств (млн руб.)х2и величины валового дохода за год (млн руб.)упо 25 предприятиям, которые представлены в табл. 11.
Таблица 11
i |
у |
х1 |
х2 |
1 |
45 |
17 |
54 |
2 |
48 |
20 |
78 |
3 |
50 |
80 |
100 |
4 |
52 |
65 |
114 |
5 |
56 |
124 |
42 |
6 |
45 |
100 |
38 |
Окончание табл. 11
i |
у |
х1 |
х2 |
7 |
63 |
28 |
56 |
8 |
69 |
36 |
59 |
9 |
75 |
98 |
46 |
10 |
80 |
114 |
65 |
11 |
88 |
102 |
56 |
12 |
90 |
96 |
50 |
13 |
99 |
102 |
87 |
14 |
75 |
116 |
54 |
15 |
113 |
50 |
63 |
16 |
118 |
60 |
75 |
17 |
65 |
56 |
28 |
18 |
111 |
87 |
56 |
19 |
121 |
112 |
45 |
20 |
160 |
115 |
88 |
21 |
176 |
120 |
74 |
22 |
186 |
110 |
90 |
23 |
192 |
111 |
102 |
24 |
203 |
118 |
105 |
25 |
237 |
154 |
106 |
Задания:
1. Построить линейное уравнение множественной регрессии и пояснить экономический смысл его параметров.
2. Рассчитать частные коэффициенты эластичности, а также стандартизированные коэффициенты регрессии; сделать вывод о силе связи результата и фактора.
3. Рассчитать парные, частные коэффициенты корреляции, а также множественный коэффициент корреляции; сделать выводы.
4. Проверить значимость уравнения регрессии на 5%-м уровне по F-критерию, проверить значимость коэффициентов регрессии поt-статистике.
Решение:
1. По данным табл. 11 найдем уравнение регрессии упох1,х2. Расчеты произведем в Excel по формуле (32), промежуточные вычисления представим в табл. 12.
Система уравнений для расчета коэффициентов регрессии примет вид:
Таблица 12
i |
х1 |
х2 |
у |
yх1 |
yх2 |
х1^2 |
х2^2 |
x1x2 |
у^2 |
1 |
17 |
54 |
45 |
765 |
2430 |
289 |
2916 |
918 |
2025 |
2 |
20 |
78 |
48 |
960 |
3744 |
400 |
6084 |
1560 |
2304 |
3 |
80 |
100 |
50 |
4000 |
5000 |
6400 |
10000 |
8000 |
2500 |
4 |
65 |
114 |
52 |
3380 |
5928 |
4225 |
12996 |
7410 |
2704 |
5 |
124 |
42 |
56 |
6944 |
2352 |
15376 |
1764 |
5208 |
3136 |
6 |
100 |
38 |
45 |
4500 |
1710 |
10000 |
1444 |
3800 |
2025 |
7 |
28 |
56 |
63 |
1764 |
3528 |
784 |
3136 |
1568 |
3969 |
8 |
36 |
59 |
69 |
2484 |
4071 |
1296 |
3481 |
2124 |
4761 |
9 |
98 |
46 |
75 |
7350 |
3450 |
9604 |
2116 |
4508 |
5625 |
10 |
114 |
65 |
80 |
9120 |
5200 |
12996 |
4225 |
7410 |
6400 |
11 |
102 |
56 |
88 |
8976 |
4928 |
10404 |
3136 |
5712 |
7744 |
12 |
96 |
50 |
90 |
8640 |
4500 |
9216 |
2500 |
4800 |
8100 |
13 |
102 |
87 |
99 |
10098 |
8613 |
10404 |
7569 |
8874 |
9801 |
14 |
116 |
54 |
75 |
8700 |
4050 |
13456 |
2916 |
6264 |
5625 |
15 |
50 |
63 |
113 |
5650 |
7119 |
2500 |
3969 |
3150 |
12769 |
16 |
60 |
75 |
118 |
7080 |
8850 |
3600 |
5625 |
4500 |
13924 |
17 |
56 |
28 |
65 |
3640 |
1820 |
3136 |
784 |
1568 |
4225 |
18 |
87 |
56 |
111 |
9657 |
6216 |
7569 |
3136 |
4872 |
12321 |
19 |
112 |
45 |
121 |
13552 |
5445 |
12544 |
2025 |
5040 |
14641 |
20 |
115 |
88 |
160 |
18400 |
14080 |
13225 |
7744 |
10120 |
25600 |
21 |
120 |
74 |
176 |
21120 |
13024 |
14400 |
5476 |
8880 |
30976 |
22 |
110 |
90 |
186 |
20460 |
16740 |
12100 |
8100 |
9900 |
34596 |
23 |
111 |
102 |
192 |
21312 |
19584 |
12321 |
10404 |
11322 |
36864 |
24 |
118 |
105 |
203 |
23954 |
21315 |
13924 |
11025 |
12390 |
41209 |
25 |
154 |
106 |
237 |
36498 |
25122 |
23716 |
11236 |
16324 |
56169 |
Сумма |
2191 |
1731 |
2617 |
259004 |
198819 |
223885 |
133807 |
156222 |
350013 |
Решив систему уравнений методом Гаусса, получили следующие значения коэффициентов регрессии b0=34,121;b1= 0,788;b2= 1,008.
Уравнение множественной линейной регрессии примет вид:
у=34,121 + 0,788х1+ 1,008х2.
Коэффициент регрессии b1показывает, что при увеличении на 1 млн руб. среднегодовой стоимости основных фондов (х1) валовой доход (у) в среднем увеличится на 0,788 млн руб. при постоянном значении среднегодовой стоимости оборотных средств (х2). Если же увеличится среднегодовая стоимость оборотных средств (х2) на 1 млн руб., а стоимость основных фондов (х1) в среднем не изменится, то валовой доход (у) увеличится в среднем на 1,008 млн руб.
2. Рассчитаем коэффициенты иEjдля рассматриваемого примера по формуле (33).
Предварительно найдем значения среднеквадратичного отклонения для переменных задачи, используя данные табл. 12.
= 35,702;
= 23,624;
= 55,160.
Тогда,
= 0,510= 0,432.
= 0,659= 0,667
С увеличением среднегодовой стоимости основных фондов на 1 % от среднего уровня годовой валовой доход возрастет на 65,9% от своего среднего уровня при фиксированном значении среднегодовой стоимости оборотных средств. С увеличением стоимости оборотных средств на 1 % от среднего уровня годовой валовой доход возрастет на 66,7% от своего среднего уровня при фиксированном значении стоимости основных фондов. Сила влияния стоимости оборотных средств (х2) на доход несколько больше, чем сила влияния стоимости основных фондов (х1).
3. Определим парные коэффициенты корреляции, используя формулу (12) и данные табл. 12.
= 0,602;
= 0,540;
= 0,214.
Парный коэффициент между доходом (у) и стоимостью основных средств (х1) равен 0,602. Парный коэффициент между доходом (у) и стоимостью оборотных средств (х2) равен 0,540. Связь между переменными довольно тесная.
Рассчитаем частные коэффициенты корреляции:
= 0,591;
= 0,527.
При сравнении коэффициентов парной и частной корреляции приходим к выводу, что из-за слабой зависимости между факторами (rx1x2= 0,214 – отсутствие мультиколлинеарности) коэффициенты парной и частной корреляции отличаются незначительно.
Рассчитаем коэффициент множественной корреляции по формуле
Коэффициент множественной корреляции больше значений парных коэффициентов корреляции. Совокупность факторов оказывает большее совместное влияние на результативный признак.
Для линейных моделей коэффициент множественной детерминации равен квадрату коэффициента множественной корреляции, тогда R2= 0,7352= 0,54.
4. Для оценки адекватность уравнения регрессии воспользуемся критерием Фишера. Для расчета Fнаблвоспользуемся формулой
= 12,92.
По таблицам F-критерия прил. 1F0,05;2;22= 3,44. Так какF>F0,05;2;17, то уравнение регрессии значимо.
Чтобы оценить значимость параметров регрессии b1иb2необходимо найти значенияt-статистики. Используя предыдущие расчеты, найдем частныеF-критерии Фишера.
= 12,394;
= 8,881.
Для линейных моделей частный F-критерий Фишера связан сt-критерием Стьюдента следующим соотношением:
.
Выполнив расчеты, получим
= 3,521;
= 2,980.
По таблицам t-распределения прил. 1t0,95;22= 2,07. Тогда,
t1= 3,521 >t0,95;47= 2,07 – параметрb1адекватен;
t2= 2,980 >t0,95;47= 2,07 – параметрb2адекватен.