Г) анализ остатков
ВЫВОД ОСТАТКА |
|
|
|
Наблюдение |
Предсказанное Y |
Остатки |
Стандартные остатки |
1 |
155,5055 |
3,994452 |
0,312927 |
2 |
187,7573 |
-2,75726 |
-0,216 |
3 |
204,0027 |
9,197269 |
0,720519 |
4 |
298,8041 |
-17,7041 |
-1,38695 |
5 |
323,877 |
13,02301 |
1,020229 |
6 |
401,2678 |
-19,6678 |
-1,54079 |
7 |
492,5084 |
12,6916 |
0,994266 |
8 |
600,0771 |
1,222906 |
0,095803 |
В этой таблице сгенерированы теоретические (вычисленные или предсказанные) значения результативного признака Y и значения остаточной компоненты
Оценка качества модели
Получаем уравнение регрессии в соответствии с вычисленными коэффициентами Y= -108,6 +2,44х1+054х2 (таблица 1)
Первый уровень проверки уравнения:
-
Проверяем значение коэффициента детерминации R- квадрат. (Значение - коэффициента детерминации R- квадрат показывает степень вариации результативного признака в зависимости от вариаций факторных признаков.)
В нашем примере - коэффициента детерминации R- квадрат равен 0,9934, что означает, что 99,3% общей вариации результативного признака объясняется вариацией факторных признаков х1 и х2.
2. Проверяем значение коэффициента множественной корреляции, отражающего тесноту связи между переменной У и факторными признаками.
Коэффициент множественной корреляции R= = 0,99
В нашем примере R=0,99, это означает; выбранные факторы существенно влияют на объем ВВП, что подтверждает правильность их включения в модель.
3. Оценим значимость уравнения регрессии.
Проверку проводят на основе сравнения расчетного и табличного значения F- критерия Фишера.
Если fрасч. f крит то уравнение регрессии следует принять.
Значение Fрасч берут из в протокола регрессионного анализа в разделе: ДИССПЕРСИОННЫЙ АНАЛИЗ.
F крит-, определяют либо по специальным таблицам либо с помощью команды FРАСПОБР ( см. рис 4)
рис.4 определение F КРИТ Фишера
степень вероятности-0,05
степень свободы 1 - количество факторных признаков в уравнении регрессии – m
степень свободы 2 - число наблюдений за вычетом числа признаков, т.е. k = n-m1)
F крит =5,786135
Так как расчетное значения критерия Фишера =376,84 5,786135 то уравнение регрессии является значимым.
4. Проверяем значимость коэффициентов регрессии
Эта проверка осуществляется с помощью t критерия Стьюдента.
Расчетное значение t-критерия для каждого коэффициента приведены в результатах статистического анализа протокола регрессии (см. четвертый столбец таб.8). Эти данные необходимо сравнить с табличными значениями t-критерия. Выполняется проверка значимости коэффициентов уравнения на основании сравнения показателя t-статистики каждого параметра с расчетным значением t крит. табл. Значения t крит могут быть взяты из специальных таблиц либо определены с помощью команды СТЬЮДРАСПОБР.
ЕСЛИ РАСЧЕТНЫЕ КОЭФФИЦИЕНТЫ ПО СВОЕЙ ВЕЛИЧИНЕ БОЛЬШЕ ЗНАЧЕНИЯ T КРИТ. ТАБЛИЧНОГО ТО КОЭФФИЦИЕНТ ПАРАМЕТРА СЧИТАЕТСЯ ЗНАЧИМЫМ.
Это касается и свободного члена уравнения. При этом если необходимо исключить а0, (поскольку его значение меньше стандартной ошибки), то процедуру определения уравнения регрессии необходимо повторить с команды №3, выбирая значение «Константа» - ноль. В этом случае уравнение будет пересчитано с коэффициентами без свободного члена.
Работа с функцией СТЬЮДРАСПОБР
Вероятность 0,05
Степень свободы: (n-m-1) = (число наблюдений - число факторов в уравнении- 1 =8-2-1=5)
По расчетам определено критическое значение t- критерия=2,57.
t крит первой переменной х1 = 3,65 2,57, следовательно коэффициент значим.
t крит второй переменной х2 =0,60 2,57 – параметр должен быть исключен
В рассматриваемом примере свободный член уравнения и коэффициент первой переменной значимы, а вот вторая переменная должна быть исключена т.к. ее стандартная ошибка выше значения коэффициента и
Р -значение находится за пределами заданного уровня значимости ( 0.05)
Уравнение регрессии имеет окончательный вид: Y= -108,6 +2,44х1
АНАЛИЗ СТАТИЧЕСКОЙ ЗНАЧИМОСТИ ПАРАМЕТРОВ МОДЕЛИ
Анализ статической значимости параметров модели проводят по коэффициентам эластичности.
Коэффициенты эластичности показывают, на сколько процентов в среднем изменится значение результативного признака при изменении значения соответствующего факторного признака на 1%.
Эi = аi* (x̃i /yi)
Где, x̃i – среднее значение факторного признака;
уi – среднее значение результативного признака;
аi – коэффициент регрессии при соответствующем факторном признаке.
В нашем примере:
Эх1 =2,44 *(158,5 /332,975) = 1,16
Таким образом увеличение объема промышленного производства на 1% вызывает рост объема ВВП на 1,16 %. Если бы в уравнении было несколько переменных то по значению коэффициента эластичности можно было определить какую переменную необходимо увеличивать для повышения роста факторного признака.
ПОСТРОЕНИЕ ТОЧЕЧНОГО И ИНТЕРВАЛЬНОГО ПРОГНОЗОВ
Прогнозные значения факторных признаков берутся из анализа их динамики во времени. Так для фактора х1 мы ранее получили уравнение:
у=21,965 (t) +59,661
2008 |
257,265 |
2009 |
279,221 |
2010 |
323,133 |
2011 |
301,177 |
2012 |
345,089 |
2013 |
367,045 |
2014 |
389,001 |
Для получения прогнозных значений У (Объем ВВП) подставим прогнозные значения х в полученное уравнение Y= -108,6 +2,44х1
2008 |
519,1266 |
2009 |
572,6992 |
2010 |
679,8445 |
2011 |
626,2719 |
2012 |
733,4172 |
2013 |
786,9898 |
2014 |
840,5624 |
Для интервального прогноза
Доверительный интервал будет иметь следующие границы :
Yпрог(n+1) + U(I) (верхняя граница)
Yпрог(n+1) - U(I) (нижняя граница)
где U (I) = Se х tɑ
Se - средняя ошибка выбирается из результатов регрессионной статистики
В нашем случае это 15,04727
tɑ - определяется с помощью команды СТЬЮДРАСПОБР для вероятности 0,1(т.е. 90% достоверности) и степени свободы =(n-m-1)
В результате U(I) = Se х tɑ=15,04727*2,015048=
года |
Объем ВВП |
отклонение U(I) |
верхняя граница |
нижняя граница |
2008 |
519,1266 |
29,24 |
548,37 |
489,88 |
2009 |
572,6992 |
28,51 |
601,21 |
544,19 |
2010 |
679,8445 |
27,99 |
707,83 |
651,86 |
2011 |
626,2719 |
27,59 |
653,86 |
598,68 |
2012 |
733,4172 |
27,28 |
760,69 |
706,14 |
2013 |
786,9898 |
27,03 |
814,02 |
759,96 |
2014 |
840,5624 |
26,82 |
867,39 |
813,74 |