- •О лабораторной работе №2
- •III курса
- •Введение
- •Глава 1. Постановка задачи
- •Глава 2. Приведение исходного нелинейного уравнения регрессии к линейному
- •Глава 3. Проверка наличия мультиколлениарности между факторами модели
- •Матрица коэффициентов парной корреляции
- •Проверка значимости коэффициентов парной корреляции, используя t - критерий Стьюдента
- •Глава 4. Определение параметров уравнения регрессии. Построение уравнения регрессии
- •Вывод остатка
- •Глава 5. Проверка адекватности и точности модели
- •5.1. Проверка случайности колебаний уровней остаточной последовательности
- •5.2. Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •5.3. Проверка равенства математического ожидания случайной компоненты нулю
- •5.4. Проверка независимости значений уровней случайной компоненты
- •5.5. Определение точности модели.
- •Глава 6. Проверка отсутствия или наличия гетероскедантичности исследуемой модели
- •Глава 7. Метод Ирвина
- •Глава 8. Определение оптимального вида линии тренда. Прогноз показателей
- •Заключение
- •Список использованной литературы
- •Приложение 1
- •Приложение 2
- •Приложение 3
Вывод остатка
-
Наблюдение
Предсказанное Производительность (у)
Остатки
1
28,07943
-0,049427206
2
23,4622
0,447797834
3
24,5313
0,268699583
4
24,4168
-0,226801985
5
22,95409
0,005913005
6
22,86603
-0,496033522
7
20,09826
-0,478262811
8
18,89689
0,083108147
9
19,49738
-0,757377444
10
19,74253
0,957467573
11
18,58665
-0,236647204
12
19,38792
-0,557922004
13
19,96627
1,563728829
14
20,35406
-0,204060221
15
20,28813
-0,35812602
16
20,75579
1,12421241
17
22,36298
-0,832981481
18
18,09919
-0,449192075
19
18,08537
0,334633372
20
16,39873
-0,138728779
Таким образом, искомое уравнение регрессии имеет вид:
у = 14,11 - 0,18* t + 9,04* z1,t + 1,08* z2,t
После определения уравнения регрессии целесообразно оценить достоверность полученной зависимости.
Найденные численные значения линейной модели характеризуют статистическую значимость, как самого уравнения, так и его параметров. Экономико-математический анализ состоит в исследовании конечной модели и экономической интерпретации результатов решения.
Никакая экономико-математическая модель не может быть точным отражением действительности. Формализация экономических зависимостей всегда связана с упрощениями и априорными предположениями. Поэтому в процессе анализа должно быть выявлено соответствие полученного решения реальной действительности, должны быть найдены пути улучшения модели и определены возможности практической реализации достигнутых результатов.
Полученные коэффициенты уравнения множественной регрессии, устанавливающие зависимость ставки рефинансирования от уровня инфляции и уровня безработицы, показали достоверность наличия связи между этими показателями.
Для определения статистической значимости в целом найденного уравнения регрессии нами были использован критерий Стьюдента.
Оценка достоверности зависимости у от хi производится по величине R2 (коэффициент множественной детерминации). Полученное значение R = 0,95 подтверждает достоверность наличия зависимости.
Основным показателем тесноты линейно-корреляционной связи у и xi служит коэффициент множественной корреляции. Полученное значение R=0,97 показывает, что между у и хi имеется сильная корреляционная зависимость.
Величина стандартной ошибки применяется совместно с t-распределением Стьюдента при n-2 степенях свободы для проверки существенности коэффициента регрессии и для расчета его доверительных интервалов. Для оценки существенности коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т.е. определяется фактическое значение t-критерия Стьюдента. Полученное значение стандартной ошибки 0,69, значительно меньше табличного значения 2,10, следовательно, коэффициент корреляции почти равен нулю и зависимость не является достоверной.
Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза Но, что коэффициент регрессии равен нулю, т.е. bi = 0, и, следовательно, фактор xi не оказывает влияния на результат у. Значение F-критерия признается достоверным, если оно больше табличного, тогда нулевая гипотеза отклоняется и уравнение регрессии признается значимым. В данной задаче значимость F близка к нулю, т.е. такова вероятность принятия нулевой гипотезы.
Параметры bi называются коэффициентами регрессии, величина каждого из которых показывает среднее изменение результата с изменением фактора на одну единицу. Коэффициенты регрессии равны – 0,18, 9,04 и 1,08 соответственно.
Свободный член уравнения регрессии может не иметь экономического содержания. Он равен в нашей задаче а0=14,11. В рассматриваемой задаче то, что а0 > 0, свидетельствует об опережении изменения результата над изменением факторов.
По табличному t - критерию Стьюдента определяется значимость коэффициентов регрессии. В данной задаче они признаются значимыми, т.к. tф > tkp.
В таблице «Дисперсионный анализ» Р - значение характеризует вероятность принятия нулевой гипотезы по каждому коэффициенту регрессии. В рассматриваемой задаче нулевую гипотезу можно отвергнуть.
Графы таблицы «Дисперсионный анализ», где указаны нижние 95% и верхние 95% показывают границы нахождения значений коэффициентов регрессии. Значения считаются экономически достоверными, если лежат в достаточно узком однознаковом диапазоне. Коэффициенты рассматриваемой регрессии удовлетворяют этому требованию.
Модель yi ряда у; считается адекватной, если правильно отражает систематические компоненты этого ряда. Это требование эквивалентно требованию, чтобы остаточная компонента εi = уi – ỹi, где i = 1 ... n, удовлетворяла следующим свойствам:
- случайность колебаний уровней остаточной последовательности;
- соответствие распределения случайной компоненты нормальному закону распределения;
- равенство нулю математического ожидания случайной компоненты;
- независимость значений уровней случайной компоненты. Таким образом, уравнение регрессии признается адекватным.