НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«ВОЛГОГРАДСКИЙ ИНСТИТУТ БИЗНЕСА»
Кафедра
Математики и естественных наук
Домашняя контрольная работа
Дисциплина
Эконометрика
Тема: Линейные уравнения парной регрессии
Студента (ки)
Иванова Ивана Ивановича
Волгоград 2010
Задача№ 1
По данным приведенным в таблице:
1) построить линейное уравнение парной регрессии y на x;
2) рассчитать линейный коэффициент парной корреляции и оценить тесноту связи;
3) оценить статистическую значимость параметров регрессии и корреляции, используяF-статистику, t-статистику Стьюдентаи путем расчета доверительных интервалов каждого из показателей;
4) вычислить прогнозное значение yпри прогнозном значении x, составляющем 108% от среднегоуровня.
5) оценить точность прогноза, рассчитав ошибку прогноза и его доверительныйинтервал;
6) полученные результаты изобразить графически и привести экономическое обоснование.
Таблица №1
По территориям Центрального района известны данные за 1995 г.Район Средний размер назначенных ежемесячных пенсий, тыс.руб., y Прожиточный минимум в среднем на одного пенсионера в месяц, тыс.руб., х Брянская обл. 240 178 Владимирская обл. 226 202 Ивановская обл. 221 197 Калужская обл. 226 201 Костромская обл. 220 189 Московская обл. 237 215 Орловская обл. 232 166 Рязанская обл. 215 199 Смоленская обл. 220 180 Тульская обл. 231 186 Ярославская обл. 229 250
xi 178 202 197 201 189 215 166 199 180 186 250
yi 240 226 221 226 220 237 232 215 220 231 229 Х Y 178 240 202 226 197 221 201 226 189 220 215 237 166 232 199 215 180 220 186 231 250 229
/>
Вывод 1. Анализ корреляционного поля данных показывает,что между признаками /> и />в выборочной совокупности существуетпрямая и достаточно тесная связь. Предполагается, что объясняемая переменная /> линейно зависит от фактора />, поэтому уравнение регрессии будемискать в виде
/>,
Таблица № 4 Параметры (коэффициенты) уравнения регрессии Коэффициенты Y-пересечение 227,7117993 Переменная X 1 -0,003619876
На основании этих данных запишем уравнение регрессии: />.
Коэффициент />называется выборочным коэффициентомрегрессии />Коэффициентрегрессии />показывает,на сколько единиц в среднем изменяется переменная />при увеличении переменной />на одну единицу.
Таблица №5. Корреляционная матрица Столбец 1 Столбец 2 Столбец 1 1 Столбец 2 -0,010473453 1
Для оценки качества уравнения регрессии в целом необходимо проверитьстатистическую значимость индекса детерминации: проверяется нулевая гипотеза />, используется />.
Таблица №6Регрессионная статистика R-квадрат 0,000109693
/>.
Т.к. Значение детерминации R-квадрат имеет малое значение,которое менее 1%, то дальнейшее решение не имеет смысла, т.к. вероятность того чтопрогноз будет верным меньше 1%.
Задача №2
Используя данные, приведенные в таблице: построить линейное уравнениемножественной регрессии;
1) оценить значимость параметров данного уравнения и построить доверительныеинтервалы для каждого из параметров, оценить значимость уравнения в целом, пояснитьэкономический смысл полученных результатов;
2) рассчитать линейные коэффициенты частной корреляции и коэффициент множественнойдетерминации, сравнить их с линейными коэффициентами парной корреляции, пояснитьразличия между ними;
3) вычислить прогнозное значение yпри уменьшении вектора x на6 % от максимального уровня, оценить ошибку прогноза и построить доверительный интервалпрогноза;
Таблица №5
номер наблюдения, i Накопления семьи, Y (y.e.)
Доход семьи, X1 (y.e.)
Расходы на питание, X2 (y.e.) 1 2 20 5 2 6 27 6 3 7 26 7 4 5 19 5 5 4 15 5 6 2 15 5 7 7 28 10 8 6 24 7 9 4 14 6 10 5 21 7 11 5 20 10 12 3 18 6
Таблица №6Параметры (коэффициенты) уравнения регрессии Коэффициенты Y-пересечение -1,767785782 x1 0,232792618 x2 0,24953991
Множественная регрессия/> широко используетсяв решении проблем спроса, доходности акций, изучении функции издержек производства,в макроэкономических расчетах и целого ряда других вопросов эконометрики. В настоящеевремя множественная регрессия — один из наиболее распространенных методов в эконометрике/>. Основная цель множественной регрессии — построить модель с большимчислом факторов, определив при этом влияние каждого из них в отдельности, а такжесовокупное их воздействие на моделируемый показатель.
На основании этих данных запишем уравнение регрессии:
/>.
Таблица №7 Регрессионная статистика R-квадрат 0,663668925 Нормированный R-квадрат 0,588928686
! Параметр R-квадрат, представляет собой квадрат коэффициентакорреляции rxy2 и называется коэффициентом детерминации/>. Величина данного коэффициента характеризует долю дисперсии зависимойпеременной y, объясненную регрессией (объясняющей переменной x). Соответственновеличина 1 — rxy2 характеризует долю дисперсии переменной y, вызваннуювлиянием всех остальных, неучтенных в эконометрической модели объясняющих переменных.Доля всех неучтенных в полученной эконометрической модели объясняющих переменныхприблизительно составляет: 0,663668, или 66,3%.
Находим, что численное значение />, а скорректированный (нормированный,исправленный) коэффициент детерминации равен />
1) Для оценки качества уравнения регрессии в целом необходимопроверить статистическую значимость индекса детерминации />: проверяется нулевая гипотеза/>, используется/>.
Наблюдаемое значение критерия />и оценку его значимости находим в Таблице№8
Таблица №8Дисперсионный анализ: F Значимость F 8,87967358 0,007420813
! Включаемые в уравнение множественной регрессии/> факторы должны объяснить вариацию зависимой переменной/>. Если строится модель с некоторым набором факторов, то для неерассчитывается показатель детерминации/>, который фиксирует долюобъясненной вариации результативного признака (объясняемой переменной/>) за счет рассматриваемых в регрессии факторов. А оценка влияниядругих, неучтенных в модели факторов, оценивается вычитанием из единицы коэффициентадетерминации/>, что и приводит к соответствующей остаточной дисперсии/>.
Таким образом, при дополнительном включении в регрессию еще одногофактора коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться.Если этого не происходит и данные показатели практически недостаточно значимо отличаютсядруг от друга, то включаемый в анализ дополнительный фактор не улучшает модель ипрактически является лишним фактором.
Если модель насыщается такими лишними факторами, то не тольконе снижается величина остаточной дисперсии и не увеличивается показатель детерминации,но, более того, снижается статистическая значимость параметров регрессии по критериюСтьюдента вплоть до статистической незначимости.
2) Для статистической оценки значимости коэффициентов регрессии(/>) используем/>статистикуСтьюдента.
Проверяется нулевая гипотеза />.
Для проверки нулевой гипотезы необходимо знать величину наблюдаемыхзначений критерия />. Их значения и оценки их статистическойзначимости найдем в Таблице №9
Таблица №9t-статистика P-Значение -1,127971079 0,28850322 2,838964459 0,01943598 1,130728736 0,28740002
В этой же таблице находим границы доверительных интервалов длякаждого из параметров:Нижние 95% Верхние 95% -5,313097658 1,777526094 0,047297697 0,418287538 -0,249694323 0,748774142
3. Значения парных коэффициентов корреляции найдем из соответствующейматрицы.
Таблица №10 Корреляционная матрица y x1 x2 y 1 x1 0,784786247 1 x2 0,60206001 0,531178469 1
По величине парных коэффициентов корреляции/>может обнаруживаться лишь явная коллинеарность/> факторов. Наибольшиетрудности в использовании аппарата множественной регрессии/> возникаютпри наличии мультиколлинеарности/> факторов, когда более чем двафактора связаны между собой линейной зависимостью/>, т.е. имеетместо совокупное воздействие факторов друг на друга.
Наличие мультиколлинеарности факторов может означать, что некоторыефакторы будут всегда действовать в унисон. В результате вариация в исходных данныхперестает быть полностью независимой и нельзя оценить воздействие каждого факторав отдельности. Чем сильнее мультиколлинеарность факторов, тем менее надежна оценкараспределения суммы объясненной вариации по отдельным факторам с помощью методанаименьших квадратов (МНК).
Частные коэффициенты корреляции найдем по формулам
/>,
/>,
их значения показывают, что при отсутствии влияния других факторов,связь с рассматриваемым фактором усиливается т.е. мультиколлинеарность между нимисуществует.
4. Рассчитаем прогнозное значение результата, если прогнозныезначения факторов составляют 110% их максимального значения. Найдем прогнозные значенияфакторов и подставим их в полученное уравнение регрессии.
По условию прогнозные значения составляют 110% их максимальногозначения.
Таблица №11maxX1 maxX2 28 10
Далее вычисляем прогнозные значения факторов: />. Затем, подставив эти значения в уравнение регрессии,получим прогнозное (предсказанное) значение фактора />. Доверительныйинтервал прогноза оценивается формулой: />, где /> – ошибка прогноза,/>стандартная ошибка регрессии.
Таблица №12Стандартная ошибка 1,104878833
/>;
/> – коэффициент Стьюдента, которыйв данном случае имеет смысл кратности случайной (стандартной) ошибки прогноза />;
/> – число, которое получим в результатеопераций над матрицами:
/> –
матрица значений факторных переменных />,
/> транспонированная матрица />;
/> – произведение матриц />;
/> – матрица, обратная к матрице />;
/> – матрица прогнозных значений факторов;
/> – транспонированная матрица прогнозов.
Фактор />представляет собой фиктивную переменную,которую необходимо ввести в уравнение регрессии для того, чтобы преобразовать егов «приведенную» форму вида />.
/>
/>
Максимальную ошибку прогноза />=11,07714043: 1)нижняя граница прогноза />=44,92285957, 2) верхнюю границу прогноза/>=67,07714043.Интервал прогнозных значений результативного признака
/>=>/>Задача № 3
Используя данные, представленные в таблице проверить наличиегетероскедастичности, применяя тест Голдфельда-Квандта.
Таблица№13. ДанныеСтрана Индекс человеческого развития, У Расходы на конечное потребление в текущих ценах, % к ВВП, Х
Австрия 0,904 75,5 Австралия 0,922 78,5 Англия 0,918 84,4 Белоруссия 0,763 78,4 Бельгия 0,923 77,7 Германия 0,906 75,9 Дания 0,905 76,0 Индия 0,545 67,5 Испания 0,894 78,2 Италия 0,900 78,1 Канада 0,932 78,6 Казахстан 0,740 84,0 Китай 0,701 59,2 Латвия 0,744 90,2 Нидерланды 0,921 72,8 Норвегия 0,927 67,7 Польша 0,802 82,6 Россия 0,747 74,4 США 0,927 83,3 Украина 0,721 83,7 Финляндия 0,913 73,8 Франция 0,918 79,2 Чехия 0,833 71,5 Швейцария 0,914 75,3 Швеция 0,923 79,0
1) Найдем параметры линейного уравнения множественной регрессиии значения остатков.
Определим остаточные суммы квадратов /> и />, то есть суммы квадратовостатков регрессии по «урезанным выборкам».
Таблица№14№ Y X Yp ei (ei) ^2 1 0,932 78,6 77,90431365 0,695686352 0,483979501 2 0,927 67,7 77,85057558 -10,15057558 103,0341846 3 0,927 83,3 77,85057558 5,44942442 29,69622651 4 0,923 77,7 77,80758513 -0,107585125 0,011574559 5 0,923 79,0 77,80758513 1, 192414875 1,421853234 6 0,922 78,5 77,79683751 0,703162488 0,494437485 7 0,921 72,8 77,7860899 -4,986089898 24,86109247 8 0,918 84,4 77,75384706 6,646152943 44,17134894 S1 9 0,918 79,2 77,75384706 1,446152943 2,091358334 206,2660556 10 0,914 75,3 77,7108566 -2,410856603 5,812229559 11 0,913 73,8 77,70010899 -3,900108989 15,21085013 12 0,906 75,9 77,62487569 -1,724875694 2,975196159 13 0,905 76,0 77,61412808 -1,61412808 2,60540946 14 0,904 75,5 77,60338047 -2,103380467 4,424209388 15 0,900 78,1 77,56039001 0,539609988 0,291178939 16 0,894 78,2 77,49590433 0,704095669 0,495750712 17 0,833 71,5 76,8402999 -5,3402999 28,51880303 18 0,802 82,6 76,50712388 6,092876121 37,12313943 19 0,763 78,4 76,08796695 2,312033052 5,345496834 20 0,747 74,4 75,91600513 -1,51600513 2,298271555 21 0,744 90,2 75,88376229 14,31623771 204,9546622 22 0,740 84,0 75,84077183 8,159228165 66,57300425 23 0,721 83,7 75,63656718 8,063432824 65,0189489 24 0,701 59,2 75,4216149 -16,2216149 263,1407901 S2 25 0,545 67,5 73,74498718 -6,244987181 38,99986489 743,7878055
1) Находим наблюдаемое значение критерия />. По условию задачи />. Из таблицы значений/> Фишера находим,что />
Вывод: отвергаем нулевую гипотезу /> на принятом уровне значимости />, т.к. наблюдаемоезначение критерия больше табличного.
Следовательно, предположение об однородности дисперсий ошибок,при условии, что выполнены стандартные предположения о модели наблюдений, включаяпредположение о нормальности ошибок, неверно. Наблюдается гетероскедастичность,что приводит к ошибочным статистическим выводам при использовании МНК. Следовательно,полученные оценки не являются состоятельными.Задача № 4
По данным таблицыпостроить уравнение регрессии, выявить наличие автокорреляции остатков, используякритерий Дарбина — Уотсона, и проанализировать пригодность полученного уравнениядля построения прогнозов.
Таблица №15Год Выпуск продукции в США в среднем за 1 час, % к уровню 1982 г., Х Среднечасовая заработная плата в экономике США, в сопоставимых ценах 1982 г., Y 1960 65,6 6,79 1961 68,1 6,88 1962 73,3 7,07 1963 76,5 7,17 1964 78,6 7,33 1965 81,0 7,52 1966 83,0 7,62 1967 85,4 7,72 1968 85,9 7,89 1969 85,9 7,98 1970 87,0 8,03 1971 90,2 8,21 1972 92,6 8,53 1973 95,0 8,55 1974 93,3 8,28 1975 95,5 8,12
Найдем параметры линейного уравнения множественной регрессиии значения остатков.
Дополним таблицу данных столбцами “/>”, «Квадрат разностиостатков />»и «Квадрат остатка />» и заполним их.
Таблица №16Y X Yi et et-1 (et-et-1) ^2 et^2 6,79 65,6 6,667235239 0,122765 0,015071 6,88 68,1 6,815288112 0,064712 0,122765 0,003370136 0,004188 7,07 73,3 7,123238088 -0,05324 0,064712 0,013912197 0,002834 7,17 76,5 7,312745766 -0,14275 -0,05324 0,008011624 0,020376 7,33 78,6 7,437110179 -0,10711 -0,14275 0,001269895 0,011473 7,52 81,0 7,579240937 -0,05924 -0,10711 0,002291464 0,003509 7,62 83,0 7,697683236 -0,07768 -0,05924 0,000340118 0,006035 7,72 85,4 7,839813994 -0,11981 -0,07768 0,001775001 0,014355 7,89 85,9 7,869424568 0,020575 -0,11981 0,019709191 0,000423 7,98 85,9 7,869424568 0,110575 0,020575 0,008100000 0,012227 8,03 87,0 7,934567833 0,095432 0,110575 0,000229318 0,009107 8,21 90,2 8,12407551 0,085924 0,095432 0,000090396 0,007383 8,53 92,6 8,266206268 0,263794 0,085924 0,031637467 0,069587 8,55 95,0 8,408337026 0,141663 0,263794 0,014915922 0,020068 8,28 93,3 8,307661073 -0,02766 0,141663 0,028670633 0,000765 8,12 95,5 8,437947601 -0,31795 -0,02766 0,084266268 0,101091 Суммы 0,218589631 0,298494
По формуле />вычислим значение статистики />:
Так как />, то значение статистики
равно />.
По таблице критических точек Дарбина Уотсона определим значениякритерия Дарбина-Уотсона /> (нижнее) и /> (верхнее) для заданногочисла наблюдений />, числа независимых переменных модели/>и уровня значимости/>. Итак, находим,что />, />.
По этим значениям числовой промежуток /> разбиваем на пять отрезков:
/>,
/>,
/>,
/>,
/>.
На основании выполненных расчетов находим, что наблюдаемое значениестатистики />принадлежитпервому интервалу.
Вывод: существует отрицательная автокорреляция, то есть гипотеза/>отклоняетсяи с вероятностью /> принимается гипотеза />.
Следовательно, полученное уравнение регрессии />не может быть использовано для прогноза,так как в нем не устранена автокорреляция в остатках, которая может иметь разныепричины. Автокорреляция в остатках может означать, что в уравнение не включен какой-либосущественный фактор. Возможно также, что форма связи неточна.Задача № 5
В таблице приводятся данные о динамике выпуска продукции Финляндии(млн. долл.).
Таблица №17Год Выпуск продукции, yt млн.долл. 1989 23 298 1990 26 570 1991 23 080 1992 29 800 1993 28 440 1994 29 658 1995 39 573 1996 38 435 1997 39 002 1998 39 020 1999 40 012 2000 41 005 2001 39 080 2002 42 680
Задание:
1. Постройте график временного ряда.
2. Сделайте вывод о присутствии или отсутствии тренда при доверительной вероятности0,95.
3. Найдите среднее значение, среднеквадратическое отклонение и коэффициентыавтокорреляции (для лагов />) заданного ВР.
4. Проведите сглаживание данного ВР методом скользящих средних, используя простуюсреднюю арифметическую с интервалом сглаживания />;
5. Найдите уравнение тренда ВР />, предполагая, что он линейный, и проверьтеего значимость на уровне />.
6. Дайте точечный и интервальный (с надежностью 0,95) прогнозы индивидуальногозначения выпуска продукции на 2003 год.
Таблица №18Год t Выпуск продукции, yt млн.долл. 1989 1 23 298 1990 2 26 570 1991 3 23 080 1992 4 29 800 1993 5 28 440 1994 6 29 658 1995 7 39 573 1996 8 38 435 1997 9 39 002 1998 10 39 020 1999 11 40 012 2000 12 41 005 2001 13 39 080 2002 14 42 680
/>
2. Для обнаружения тенденции в данном ВР воспользуемся критерием«восходящих и нисходящих» серий.
Критерий «восходящих и нисходящих» серий
1) Для исследуемого ВР определяется последовательность знаков,исходя из условий: (+), если />, (-), если />.
При этом, если последующее наблюдение равно предыдущему, то учитываетсятолько одно наблюдение.
2) Подсчитывается число серий />. Под серией понимается последовательностьподряд расположенных плюсов или минусов, причем один плюс или один минус считаетсясерией.
3) Определяется протяженность самой длинной серии />.
4) Значение /> находят из следующей таблицы:
Таблица №25
Длина ряда, />
/>
/>
/>
Значение /> 5 6 7
5) Если нарушается хотя бы одно из следующих неравенств, то гипотезаоб отсутствии тренда отвергается с доверительной вероятностью 0,95
/>
Определим последовательность знаков:
Таблица №19t Выпуск продукции, yt млн.долл.
/> 1 23 298 2 26 570 + 3 23 080 – 4 29 800 + 5 28 440 – 6 29 658 + 7 39 573 + 8 38 435 – 9 39 002 + 10 39 020 + 11 40 012 + 12 41 005 + 13 39 080 – 14 42 680 +
Определим число серий />: />. Определим протяженность самой длиннойсерии />:/>. />, так как />. Проверим выполнениенеравенств:
/>
Вывод: второе неравенство не выполняются, следовательно, тренд(тенденция) в динамике выпуска продукции имеется на уровне значимости 0,05. Среднеезначение />.Среднее значение />. Вычислим коэффициенты автокорреляциипервого и второго порядков, то есть для лагов />. Подготовим данные для вычислениякоэффициентов автокорреляции первого и второго порядков. Дополним таблицу данныхдвумя столбцами />.
Таблица №20t Yt Yt-1 Yt-2 1 23 298 2 26 570 23 298 3 23 080 26 570 23 298 4 29 800 23 080 26 570 5 28 440 29 800 23 080 6 29 658 28 440 29 800 7 39 573 29 658 28 440 8 38 435 39 573 29 658 9 39 002 38 435 39 573 10 39 020 39 002 38 435 11 40 012 39 020 39 002 12 41 005 40 012 39 020 13 39 080 41 005 40 012 14 42 680 39 080 41 005
/>.
/>.
Вывод:
1) высокое значение коэффициента автокорреляции первого порядка/>свидетельствуетоб очень тесной зависимости между выпуском продукции текущего и непосредственнопредшествующего годов, и, следовательно, о наличии в исследуемом временном рядесильной линейной тенденции;
2) исследуемый ряд содержит только тенденцию, так как наиболеевысоким оказался коэффициент автокорреляции первого порядка (0,85>0,83).
Скользящие средние найдем по формуле: />, здесь />. При />
Вычисляем:
/>
и так далее.
Результаты вычислений занесем в таблицу и построим графики исходного/>и сглаженного /> рядов в одной координатнойплоскости.
Таблица №21t yi yt 1 23 298 2 26 570 24 315,76 3 23 080 26 483,07 4 29 800 27 106,40 5 28 440 29 299,04 6 29 658 32 556,67 7 39 573 35 888,31 8 38 435 39 002,94 9 39 002 38 818,61 10 39 020 39 344,27 11 40 012 40 011,93 12 41 005 40 031,93 13 39 080 40 921,26 14 42 680
/>
Таблица № Параметры (коэффициенты) уравнения тренда.
Таблица №22 Коэффициенты Y-пересечение 22686,54945 t 1543,250549
Анализ данных таблицы Дисперсионного анализа показывает, чтополучено статистически значимое уравнение, так как наблюдаемое значение />, равное 52,785,превышает его табличное значение />, />. Вывод: Таким образом, параметры уравнениятренда статистически значимы на уровне />: уравнение тренда можно использоватьдля прогноза.
Сделаем точечный и интервальный (с надежностью 0,95) прогнозысреднего и индивидуального значений прогнозов на 2003 год.
Определим точечный прогноз
/>/>
Вычислим интервальный прогноз:
Так как тренд является прямой, то доверительный интервал можнопредставить в виде: />/>.
Здесь стандартная ошибка предсказания по линии тренда />вычисляется по формуле:
/>,
здесь величина />является стандартной ошибкой регрессии,и ее значение находится в таблице Регрессионная статистика
Таблица №23Стандартная ошибка 1637,180026
/>кратность ошибки (надежность) находятпо таблице значений критерия Стьюдента; />уровень значимости; />число степенейсвободы.
Итак, по условию задачи имеем: />
Для вычисления стандартной ошибки предсказания по линии тренда/>необходимовычислить /> исумму />.
Таблица № 24t yt (t1-tcr) ^2 1 23 298 42,25 2 26 570 30,25 3 23 080 20,25 4 29 800 12,25 5 28 440 6,25 6 29 658 2,25 7 39 573 0,25 8 38 435 0,25 9 39 002 2,25 10 39 020 6,25 11 40 012 12,25 12 41 005 20,25 13 39 080 30,25 14 42 680 42,25 7,5 Сумма 227,5
Вычисляем /> (млн. долл.)
По таблице значений критерия Стьюдента найдем />
Максимальная ошибка прогноза будет равна:
/> (млн. долл.).
Нижняя граница прогноза имеет значение /> (млн. долл.)
Верхняя граница прогноза имеет значение /> (млн. долл.)
Вывод:
1) значение выпуска продукции Финляндии в 2003 составит 20111,2млн. долл.
2) с надежностью 0,95 данное значение будет находиться в интервале/>