Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

econometrica2

.pdf
Скачиваний:
19
Добавлен:
13.03.2015
Размер:
582.46 Кб
Скачать

допустимый уровень значимости 5% . Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения

ипоказателя тесноты связи Ryx1x2 .

5.Оценим статистическую значимость параметров чистой регрессии с помощью t -критерия Стьюдента. Рассчитаем стандартные ошибки коэффициентов регрессии по формулам (3.19) и (3.20):

 

 

σ y ×

 

1 - Ryx2 1x2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m =

 

 

 

×

 

1

 

 

 

=

2,396 ×

1 - 0,9732

 

 

×

 

1

 

= 0, 2132 ;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b

 

σ x

×

 

 

1 - rx2x

 

 

 

 

 

 

 

n - 3

1,890 ×

1 - 0,9432

 

 

 

 

 

20 - 3

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

σ y ×

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1 - Ryx2 1x2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m

=

 

 

 

 

×

 

1

 

 

 

 

=

2,396 ×

1 - 0,9732

 

 

×

 

1

 

 

= 0,0607 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b

 

σ x

×

 

 

1 - rx2x

 

 

 

 

 

n - 3

6,642 ×

1 - 0,9432

 

 

 

 

20 - 3

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

1

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Фактические значения t -критерия Стьюдента:

 

 

 

 

tb

=

b1

=

0,946

 

 

 

 

= 4, 44 , tb

=

b2

=

0,0856

=1, 41.

 

 

mb

 

 

 

 

 

 

 

 

 

1

 

 

 

0, 2132

 

 

 

 

 

 

2

 

mb

0,0607

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Табличное значение критерия при уровне значимости α = 0,05 и

числе степеней свободы

 

 

k = 17

составит

tтабл (α = 0,05; k =17) = 2,11.

Таким образом, признается статистическая значимость параметра b1 , т.к.

tb

> tтабл , и случайная природа формирования параметра b2 , т.к. tb

< tтабл .

1

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

Доверительные интервалы для параметров чистой регрессии:

 

b - m ×t

табл

£ b*

£ b + m

×t

табл

, 0, 496 £ b*

£1,396

 

 

1

b

 

1

1

b

 

 

 

1

 

 

 

 

1

 

 

 

 

 

1

 

 

 

 

 

 

 

 

и

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b - m

×t

табл

£ b* £ b + m

 

×t

табл

, -0,0425 £ b* £ 0,2137 .

 

 

2

b

 

 

2

2

b

 

 

 

 

1

 

 

 

2

 

 

 

 

 

2

 

 

 

 

 

 

 

 

6. С помощью

частных

 

 

 

F -критериев

Фишера

оценим

целесообразность включения в уравнение множественной регрессии фактора x1 после x2 и фактора x2 после x1 при помощи формул (3.16):

41

 

=

 

Ryx2 1x2 - Ryx2 2

×

n - m -1

F =

Ryx2 1x2 - Ryx2 1

×

n - m -1

F

 

 

 

 

 

 

 

 

 

 

 

;

 

 

 

 

 

 

.

 

 

1 - Ryx2

 

 

 

 

 

 

 

1 - Ryx2

 

 

 

 

 

x1

 

 

 

x

2

 

1

 

 

 

x2

x

2

 

 

1

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

Найдем Ryx2

и Ryx2 :

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R2

= r 2

= 0,9702

= 0,941;

 

 

 

 

 

 

 

 

 

 

 

yx

 

 

 

yx

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R2

= r 2

= 0,9412

= 0,885 .

 

 

 

 

 

 

 

 

 

 

 

yx

 

 

 

yx

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Имеем:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F

=

0,947 − 0,885

×

 

20 − 2 −1

=19,89 ;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

 

 

 

1 - 0,947

 

1

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F

=

0,947 − 0,941

×

20 − 2 −1

=1,924 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

 

 

 

1 - 0,947

 

1

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Получили,

 

 

 

что

 

 

Fx = 0,89 < Fтабл (α = 0,05; k1 = 1; k2 = 17) = 4, 45 .

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Следовательно, включение в модель фактора x2 после того,

как в модель

включен фактор

 

 

x1 статистически нецелесообразно: прирост факторной

дисперсии за

 

 

счет

 

дополнительного

признака

 

x2

оказывается

незначительным, несущественным; фактор x2 включать в уравнение после

фактора x1 не следует.

Если поменять первоначальный порядок включения факторов в

модель и рассмотреть вариант включения x1 после x2 , то результат расчета

частного F -критерия для x1

будет иным. Fx = 17,86 > Fтабл = 4, 45 , т.е.

 

1

вероятность его случайного формирования меньше принятого стандарта

α = 0,05 (5%).

Следовательно,

значение

частного F -критерия для

дополнительно

включенного

фактора

x1 не случайно, является

статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора x1 является существенным.

Фактор x1 должен присутствовать в уравнении, в том числе в варианте,

когда он дополнительно включается после фактора x2 .

42

7. Общий вывод состоит в том, что множественная модель с факторами x1 и x2 с Ryx2 1x2 = 0,947 содержит неинформативный фактор x2 .

Если исключить фактор x2 , то можно ограничиться уравнением парной

регрессии:

yˆ x1 = α + β x1 .

Найдем его параметры:

β =

 

cov( y,

x1 )

=

63,815 - 6,19 ×9,6

 

=1, 23 ;

 

 

σ x

 

 

 

3,571

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

α =

 

- β ×

 

= 9,6 -1, 23 × 6,19 =1,99 .

 

y

x

 

Таким образом,

 

 

 

 

 

 

 

ˆ

=1,99 +1, 23 × x1

,

2

 

 

yx

ryx = 0,941.

 

1

 

 

 

 

 

 

 

 

 

1

 

 

43

3.3. Решение типовой задачи в MS Excel

Вносим исходные данные в таблицу MS Excel:

Рис. 3.1.

Найдем матрицу парных коэффициентов корреляции

(Сервис→Анализ данных→Корреляция):

Рис. 3.2.

44

Получаем следующий результат:

 

 

 

 

1

 

 

 

 

 

 

 

0,9699

1

 

 

 

 

 

 

 

 

 

 

 

 

0,9408

0,9428

 

 

 

 

 

 

1

 

 

 

т.е. ryx = 0,9699 ; ryx = 0,9408 ; rx x

= 0,9428 .

 

1

 

2

 

1

2

 

 

С

помощью

инструмента

Регрессия

(Сервис→Анализ

данных→Регрессия) получаем следующие результаты:

Рис. 3.3.

45

Уравнение регрессии:

yˆ = 1,8353 + 0,9459x1 + 0,0856x2 .

Множественный коэффициент корреляции:

R = 0,9731.

Коэффициент детерминации:

R2 = 0,9469 .

Скорректированный коэффициент детерминации:

ˆ 2 =

R 0,9407 .

Фактическое значение F -критерия Фишера:

F = 151,653 .

Фактические значения t -критерия Стьюдента:

tb = 4, 450,

tb = 1,416 .

1

2

Доверительные интервалы для параметров регрессии:

0,4974 ≤ b1 ≤ 1,3944 ,

−0,0420 ≤ b2 ≤ 0,2132 .

Значения частного F -критерия Фишера можно найти как квадрат соответствующего значении t -критерия Стьюдента:

Fx1 = 4,4502 = 19,803, Fx2 = 1, 4162 = 2,005 .

Оставшиеся характеристики можно найти, используя известные

формулы и полученные здесь результаты.

46

Задания для контрольной работы

Задача 1. По территориям региона приводятся данные за 199X г. ( p1

– число букв в полном имени, p2 – число букв в фамилии):

Номер

Среднедушевой прожиточный

Среднедневная заработная

региона

минимум в день одного

плата, руб., y

трудоспособного, руб., x

 

 

1

78+ p1

133+ p2

2

80+ p2

148

3

87

135+ p1

4

79

154

5

106

157+ p1

6

106+ p1

195

7

67

139

8

98

158+ p2

9

73+ p2

152

10

87

162

11

86

146+ p2

12

110+ p1

173

Требуется:

1.Построить линейное уравнение парной регрессии y по x .

2.Рассчитать линейный коэффициент парной корреляции,

коэффициент детерминации и среднюю ошибку аппроксимации.

3. Оценить статистическую значимость уравнения регрессии в целом и отдельных параметров регрессии и корреляции с помощью F -

критерия Фишера и t -критерия Стьюдента.

4.Выполнить прогноз заработной платы y при прогнозном

значении среднедушевого прожиточного минимума x , составляющем

107% от среднего уровня.

5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.

47

6.На одном графике отложить исходные данные и теоретическую прямую.

7.Проверить вычисления в MS Excel.

Задача 2. По 20 предприятиям региона изучается зависимость выработки продукции на одного работника y (тыс. руб.) от ввода в

действие новых основных фондов x1 ( % от стоимости фондов на конец

года) и от удельного веса рабочих высокой квалификации в общей

численности рабочих x2 ( % ) ( p1 – число букв в полном имени, p2

число

букв в фамилии).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Номер

y

x1

x2

Номер

y

x1

x2

предприятия

 

предприятия

 

1

7,0

3,6+ 0,1p1

11,0

11

9,0

6,0+ 0,1p2

21,0

2

7,0

3,7

13,0

12

11,0

6,4

22,0

3

7,0

3,9

15,0

13

9,0

6,9

22,0

4

7,0

4,0

17,0

14

11,0

7,2

25,0

5

7,0

3,8+ 0,1p1

18,0

15

12,0

8,0– 0,1p2

28,0

6

7,0

4,8

19,0

16

12,0

8,2

29,0

7

8,0

5,3

19,0

17

12,0

8,1

30,0

8

8,0

5,4

20,0

18

12,0

8,6

31,0

9

8,0

5,6– 0,1p1

20,0

19

14,0

9,6

32,0

10

10,0

6,8

21,0

20

14,0

9,0+ 0,1p2

36,0

Требуется:

1.Построить линейную модель множественной регрессии.

Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.

2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.

48

3. Найти скорректированный коэффициент множественной

детерминации. Сравнить его с нескорректированным (общим)

коэффициентом детерминации.

4.С помощью F -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации Ryx2 1x2 .

5.С помощью t -критерия Стьюдента оценить статистическую значимость параметров чистой регрессии.

6.С помощью частных F -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора x1 после x2 и фактора x2 после x1 .

7.Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.

8.Проверить вычисления в MS Excel.

49

Рекомендации к выполнению контрольной работы

Практические задания по курсу «Эконометрика» следует выполнять в тетради или на листах бумаги формата А4 (листы скрепляются и заполняются с одной стороны). Работа обязательно должна содержать титульный лист с указанными на нем фамилии, полного имени и номера группы студента. Данные каждого варианта определяется параметрами p1 , p2 . При выполнении контрольных заданий студент должен подставить там, где это необходимо, вместо буквенных параметров индивидуальные анкетные характеристики: p1 – число букв в полном имени студента; p2

число букв в фамилии студента.

50

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]