- •Индивидуальное домашнее задание №3 по эконометрике Тема: Множественная линейная регрессия
- •Построим множественную линейную регрессионную модель связи переменных.
- •Таким образом, получено следующее уравнение множественной регрессии:
- •Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
- •Коэффициент множественной корреляции:
- •Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
- •С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
- •С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора x1 после x2 и фактора x2 после x1
С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .
Оценим надежность уравнения регрессии в целом и показателя тесноты связи с помощью -критерий Фишера:
.
В нашем случае фактическое значение -критерия Фишера:
53,21266
Получили, что 4,03 (при n=50), т.е. вероятность случайно получить такое значение -критерия не превышает допустимый уровень значимости 0,05. Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов. Подтверждается статистическая значимость всего уравнения и показателя тесноты связи .
С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора x1 после x2 и фактора x2 после x1
; .
Найдем и .
0,449836
0,693542
0,005129;
18,69722
Получили, что 4,03. Следовательно, включение в модель фактора после того, как в модель включен фактор статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным, несущественным; фактор включать в уравнение после фактора не следует.
Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат расчета частного -критерия для будет иным. 4,03, т.е. вероятность его случайного формирования меньше принятого стандарта . Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным. Прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .
Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор
Фактор x1 - неинформативный. Если его исключить, то можно ограничиться уравнением парной регрессии
Y = a + b*x2 + E
a=99.24 b=0.22
y = 99.24 + 0.22*x2 +E
0,693662
R2yx2 =0,693542
Если < R2yx2, то фактор исключен верно.
Предполагаем наличие линейной связи между объясняемой переменной y и фактором x2.
Проверить выполнение стандартных предположений регрессионного анализа для полученной модели графическим методом
На графике нет выделяющихся наблюдений, что могло бы указывать на отличие математического ожидания ошибок от нуля , либо на неоднородность дисперсии ошибок. Не наблюдается функциональной зависимости от величины , то есть дисперсия ошибок гомоскедастична. Судя по графику, условие выполняется, то есть спецификация модели подобрана правильно.
Таким образом, используемые для построения модели статистические данные соответствуют стандартным предположениям регрессионного анализа.