- •«Финансовый университет при Правительстве Российской Федерации» Кировский филиал
- •Киров 2012г. (2013г.) Содержание
- •Исходные данные Задача 1. Эконометрическое моделирование стоимости квартир в Московской области
- •Задача 2. Исследовать динамику экономического показателя на основе анализа одномерного временного ряда
- •Решение Задача 1.1. Матрица парных коэффициентов корреляции
- •Задача 1.2. Поле корреляции результативного признака
- •Задача 1.3. Параметры линейной парной регрессии
- •Задача 1.4. Оценка качества моделей
- •Задача 1.5. Прогнозирование среднего значения
- •Задача 1.6. Пошаговая множественная регрессия
- •Задача 1.7. Оценка качества многофакторной модели
- •Задача 2.1. Проверка наличия аномальных наблюдений
- •Задача 2.2. Построение линейной модели
- •Задача 2.3. Оценка адекватности модели
- •Задача 2.4. Оценка точности модели
- •Задача 2.5. Осуществление прогноза
- •Задача 2.6. Графическое представление результатов моделирования и прогнозирования
- •Список литературы
Задача 1.2. Поле корреляции результативного признака
Постройте поле корреляции результативного признака и наиболее тесно связанного с ним фактора.
Для построения поля корреляции воспользуемся инструментом «Мастер диаграмм» в Excel. Выберем «Точечную» диаграмму. По оси абсцисс отложим значения фактора, наиболее тесно связанного с результативным фактором (X4), а по оси ординат – сам результативный фактор (Y).
Задача 1.3. Параметры линейной парной регрессии
Рассчитайте параметры линейной парной регрессии для каждого фактора Х.
Для построения линейной парной модели , j=4,5,6 используем инструмент «Регрессия» пакета «Анализ данных» в Excel.
Входной фактор Х1:
Результаты вычислений представлены в таблицах:
Регрессионная статистика | |
Множественный R |
0,011259267 |
R-квадрат |
0,000126771 |
Нормированный R-квадрат |
-0,026185682 |
Стандартная ошибка |
58,03645994 |
Наблюдения |
40 |
Дисперсионный анализ |
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
16,22784091 |
16,22784091 |
0,004817913 |
0,945026312 |
Остаток |
38 |
127992,7659 |
3368,230682 |
|
|
Итого |
39 |
128008,9938 |
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
101,8136364 |
12,37341483 |
8,22841856 |
5,72E-10 |
76,764967 |
126,86230 |
76,7649678 |
126,8623049 |
X1 |
-1,28030303 |
18,44519779 |
-0,06941118 |
0,945026 |
-38,620653 |
36,060047 |
-38,6206534 |
36,0600474 |
Таким образом, уравнение модели (1) имеете вид:
Коэффициент регрессии =-1.28, следовательно при изменении города области, в среднем на 1.28 тыс. долл. уменьшается цена квартиры. Свободный член = 101.813 не имеет экономического смысла, но говорит о том, что сначала меняется фактор X1, а потом результат Y.
Оценим значимость каждого коэффициента регрессии:
- стандартная ошибка, - расчетное значение.
Расчетные значения t-статистик Стьюдента приведены в таблице:
По таблице критических точек распределения Стьюдента (или с помощью функции СТЬЮДРАСПОБР в Excel) при уровне значимости α=5% и числе степеней свободы k=n–2=40–2=38 определим критическое значение: tкр = 2.024
Таким образом,>tкр (8,228>2.024), следовательно свободный член в уравнении регрессии значим; <tкр (-0.069<2.024), следовательно фактор Х1 в уравнении регрессии не значим, т.е. фактор город области не играет решающую роль в формировании цены на квартиру.
Входной фактор X2:
Результаты вычислений представлены в таблицах:
Регрессионная статистика | |
Множественный R |
0,75106074 |
R-квадрат |
0,564092234 |
Нормированный R-квадрат |
0,552620977 |
Стандартная ошибка |
38,32002171 |
Наблюдения |
40 |
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
1 |
72208,87932 |
72208,8793 |
49,17440 |
2,3659E-08 |
|
|
|
Остаток |
38 |
55800,11443 |
1468,42406 |
|
|
|
|
|
Итого |
39 |
128008,9938 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
7,539298561 |
14,67125127 |
0,513882451 |
0,6103096 |
-22,1610966 |
37,2396937 |
-22,16109663 |
37,23969375 |
X2 |
36,03776978 |
5,139115172 |
7,012446419 |
2,365E-08 |
25,63417511 |
46,4413644 |
25,63417511 |
46,44136446 |
Таким образом, уравнение модели (2) имеете вид:
Коэффициент регрессии β=36.037, следовательно при увеличении числа комнат в квартире на 1 , в среднем на 36.037 тыс. долл. увеличивается цена квартиры. Свободный член α=7.539 не имеет реального смысла, но показывает, что вначале изменяется фактор X2, а потом результат Y, т.е. относительное изменение результата происходит медленнее, чем изменение фактора.
Оценим значимость каждого коэффициента регрессии:
Таким образом,<tкр (0,514<2.024), следовательно свободный член в уравнении регрессии не значим; > tкр (7.012>2.024), следовательно фактор Х2 в уравнении регрессии значим, т.е. число комнат в квартире значительно влияет на стоимость квартиры.
Входной фактор X4:
Результаты вычислений представлены в таблицах:
Регрессионная статистика | |
Множественный R |
0,874012079 |
R-квадрат |
0,763897114 |
Нормированный R-квадрат |
0,75768388 |
Стандартная ошибка |
28,20194696 |
Наблюдения |
40 |
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
1 |
97785,70089 |
97785,7008 |
122,9467832 |
1,79185E-13 |
|
|
|
Остаток |
38 |
30223,29286 |
795,349812 |
|
|
|
|
|
Итого |
39 |
128008,9938 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
-2,86485154 |
10,39374857 |
-0,2756321 |
0,784323 |
-23,905895 |
18,176192 |
-23,9058953 |
18,1761922 |
X4 |
2,475974588 |
0,223299421 |
11,0881370 |
1,79E-13 |
2,02392854 |
2,9280206 |
2,02392854 |
2,92802063 |
Таким образом, уравнение модели (3) имеете вид:
Коэффициент регрессии β=2.476, следовательно при увеличении жилой площади квартиры на 1 кв. м, в среднем на 2.476 тыс. долл. увеличивается цена квартиры. Свободный член α=-2.865 не имеет экономического смысла, но показывает, что сначала изменяется результат Y, а потом, фактор X4 т.е. относительное изменение фактора происходит медленнее, чем изменение результата.
Оценим значимость каждого коэффициента регрессии:
Таким образом,<tкр (-0,275<2.024), следовательно свободный член в уравнении регрессии не значим; >tкр (11.088>2.024), следовательно фактор Х4 в уравнении регрессии значим, т.е. фактор жилая площадь квартиры влияет на формирование стоимости квартиры.