- •Калининград – 2011 Содержание
- •Тема 1. Введение. Эконометрика и эконометрическое моделирование.
- •Тема 2. Временные ряды4.
- •Тема 3. Парная регрессия и корреляция.
- •3.1. Корреляционный анализ
- •Коэффициент парной корреляции
- •Множественный коэффициент корреляции
- •Частный коэффициент корреляции
- •Пример 3.1. Вычисление коэффициентов парной, множественной и частной корреляции.
- •3.2. Регрессионный анализ
- •Оценка параметров регрессионного уравнения
- •Матричная форма записи
- •Решение
- •Анализ статистической значимости параметров модели парной регрессии
- •Интервальная оценка параметров модели
- •Прогнозирование с применением уравнения регрессии
- •Решение:
- •1. Построение линейной модели парной регрессии
- •2. Построение степенной модели парной регрессии
- •3. Построение показательной функции
- •4.Построение гиперболической функции
- •Расчет прогнозного значения результативного показателя:
- •Тема 4. Множественная регрессия.
- •Оценка качества модели регрессии.
- •Использование многофакторных моделей для анализа и прогнозирования развития экономических систем.
- •Построение точечных и интервальных прогнозов на основе регрессионной модели. Какие факторы влияют на ширину доверительного интервала?
- •Коэффициент детерминации:
- •Тема 5. Системы линейных одновременных уравнений.
- •Тема 6. Многомерный статистический анализ
- •Факторный анализ
- •Кластерный анализ
- •Дискриминантный анализ
- •Постановка задачи дискриминантного анализа
- •Алгоритм выполнения дискриминантного анализа
- •4. Рассчитывается объединенная ковариационная матрица по формуле: .
- •Литература по теме 6.
- •Задание для выполнения контрольной работы по дисциплине Задача 1.
- •Приложения
- •Приложение 2. Значения t-критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двухсторонний)
- •Приложение 3. Критические границы отношения r/s
- •Приложение 4. D-статистика Дарбина - Уотсона: d1 и d2, уровень значимости в 5%
- •Основная
- •Дополнительная
- •Правила построения арпсс-моделей
2. Построение степенной модели парной регрессии
Уравнение степенной модели имеет вид:
Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:
lg ŷ = lg a + b lg x
|
Факт |
Lg(Y) |
Переменная |
Lg(x) |
|
Y(t) |
|
X(t) |
|
1 |
64.0 |
1.806 |
64 |
1.806 |
2 |
56.0 |
1.748 |
68 |
1.833 |
3 |
52.0 |
1.716 |
82 |
1.914 |
4 |
48.0 |
1.681 |
76 |
1.881 |
5 |
50.0 |
1.699 |
84 |
1.924 |
6 |
46.0 |
1.663 |
96 |
1.982 |
7 |
38.0 |
1.580 |
100 |
2.000 |
28 |
354 |
11.893 |
570 |
13.340 |
Сред.знач. |
50.5714 |
1.699 |
81.429 |
1.906 |
Обозначим Y = lg ŷ, X = lg x, A = lg a. Тогда уравнение примет вид:
Y = A + b X - линейное уравнение регрессии.
Рассчитаем его параметры, используя данные таблицы 3.6
Таблица 3.6
|
|
|
|
|
|
|
|
|
|
|
1 |
64 |
1,8062 |
64 |
1,8062 |
3,2623 |
3,2623 |
61.294 |
2.706 |
4.23 |
7.322 |
2 |
56 |
1,7482 |
68 |
1,8325 |
3,2036 |
3,3581 |
58.066 |
-2.066 |
3.69 |
4.270 |
3 |
52 |
1,7160 |
82 |
1,9138 |
3,2841 |
3,6627 |
49.133 |
2.867 |
5.51 |
8.220 |
4 |
48 |
1,6812 |
76 |
1,8808 |
3,1621 |
3,5375 |
52.580 |
-4.580 |
9.54 |
20.976 |
5 |
50 |
1,6990 |
84 |
1,9243 |
3,2693 |
3,7029 |
48.088 |
1.912 |
3.82 |
3.657 |
6 |
46 |
1,6628 |
96 |
1,9823 |
3,2960 |
3,9294 |
42.686 |
3.314 |
7.20 |
10.982 |
7 |
38 |
1,5798 |
100 |
2,0000 |
3,1596 |
4,0000 |
41.159 |
-3.159 |
8.31 |
9.980 |
итог |
354 |
11,8931 |
|
13,3399 |
22,6370 |
25,4528 |
|
0,51 |
42.32 |
65.407 |
Уравнение регрессии будет иметь вид :
Y=3.3991-0,8921 X
Перейдем к исходным переменным x и y, выполнив потенцирование данного уравнения.
Получим уравнение степенной модели регрессии:
Определим индекс корреляции:
Связь между показателем y и фактором x можно считать достаточно сильной.
Коэффициент детерминации: 0.836
Вариация результата Y (объема выпуска продукции) на 83,6 % объясняется вариацией фактора Х (объемом капиталовложений).
Рассчитаем F-критерий Фишера:
F>FТАБЛ = 6,61 для = 0,05. к1=m=1, k2=n-m-1=5
Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т. к. F>FТАБЛ.
Средняя относительная ошибка
.
В среднем расчетные значения ŷ для степенной модели отличаются от фактических значений на 6,04 %.