econometrica2
.pdfдопустимый 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