- •Методические указания к
- •Направление подготовки: 080100 «Экономика» Специальности подготовки: 080105 «Финансы и кредит»,
- •Задание
- •Решение
- •Задание
- •Решение
- •1.Рассчитаем среднеквадратические отклонения и коэффициенты вариации:
- •2. Рассчитаем параметры линейной модели множественной регрессии в чистом виде:
- •3.Рассчитаем парные коэффициенты корреляции и построим матрицу парных коэффициентов корреляции:
- •5.Найдем уравнение регрессии в стандартизированном масштабе:
- •Библиографический список рекомендуемой литературы
Задание
Постройте матрицу парных коэффициентов корреляции. Рассчитайте коэффициенты множественной детерминации, используя в качестве зависимой переменной каждый фактор. Установите, какие факторы мультиколлинеарны.
Постройте уравнение множественной регрессии в линейной форме с полным набором факторов.
Оцените статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента.
Отберите информационные факторы по пп.1 и 3. Постройте уравнение регрессии со статистически значимыми факторами.
Решение
В таблице 2 произведены все необходимые расчеты для решения вышеуказанных заданий.
Таблица 2
№ |
y |
х5 |
х6 |
уx5 |
уx6 |
х5x6 |
y2 |
х52 |
х62 |
1 |
0,904 |
3334 |
77,0 |
3013,94 |
69,61 |
256718,0 |
0,817216 |
11115556 |
5929,0 |
2 |
0,922 |
3001 |
78,2 |
2766,92 |
72,10 |
234678,2 |
0,850084 |
9006001 |
6115,24 |
3 |
0,763 |
3101 |
68,0 |
2366,06 |
51,88 |
210868,0 |
0,582169 |
9616201 |
4624 |
4 |
0,923 |
3543 |
77,2 |
3270,19 |
71,26 |
273519,6 |
0,851929 |
12552849 |
5959,84 |
5 |
0,918 |
3237 |
77,2 |
2971,57 |
70,87 |
249896,4 |
0,842724 |
10478169 |
5959,84 |
6 |
0,906 |
3330 |
77,2 |
3016,98 |
69,94 |
257076,0 |
0,820836 |
11088900 |
5959,84 |
7 |
0,905 |
3808 |
75,7 |
3446,24 |
68,51 |
288265,6 |
0,819025 |
14500864 |
5730,49 |
8 |
0,545 |
2415 |
62,6 |
1316,18 |
34,12 |
151179,0 |
0,297025 |
5832225 |
3918,76 |
9 |
0,894 |
3295 |
78,0 |
2945,73 |
69,73 |
257010,0 |
0,799236 |
10857025 |
6084 |
10 |
0,9 |
3504 |
78,2 |
3153,60 |
70,38 |
274012,8 |
0,81 |
12278016 |
6115,24 |
11 |
0,932 |
3056 |
79,0 |
2848,19 |
73,63 |
241424,0 |
0,868624 |
9339136 |
6241 |
12 |
0,74 |
3007 |
67,6 |
2225,18 |
50,02 |
203273,2 |
0,5476 |
9042049 |
4569,76 |
13 |
0,701 |
2844 |
69,8 |
1993,64 |
48,93 |
198511,2 |
0,491401 |
8088336 |
4872,04 |
14 |
0,744 |
2861 |
68,4 |
2128,58 |
50,89 |
195692,4 |
0,553536 |
8185321 |
4678,56 |
15 |
0,921 |
3259 |
77,9 |
3001,54 |
71,75 |
253876,1 |
0,848241 |
10621081 |
6068,41 |
16 |
0,927 |
3350 |
78,1 |
3105,45 |
72,40 |
261635,0 |
0,859329 |
11222500 |
6069,61 |
17 |
0,802 |
3344 |
72,5 |
2681,89 |
58,15 |
242440,0 |
0,643204 |
11182336 |
5256,25 |
18 |
0,747 |
2704 |
66,6 |
2019,89 |
49,75 |
180086,4 |
0,558009 |
7311616 |
4435,56 |
19 |
0,927 |
3642 |
76,7 |
3376,13 |
71,10 |
279341,4 |
0,859329 |
13264164 |
5882,89 |
20 |
0,721 |
2753 |
68,8 |
1984,91 |
49,60 |
189406,4 |
0,519841 |
7579009 |
4733,44 |
21 |
0,913 |
2916 |
76,8 |
2662,31 |
70,12 |
223948,8 |
0,833569 |
8503056 |
5898,24 |
22 |
0,918 |
3551 |
78,1 |
3259,82 |
71,70 |
277333,1 |
0,842724 |
12609601 |
6099,61 |
23 |
0,833 |
3177 |
73,9 |
2646,44 |
61,56 |
234780,3 |
0,693889 |
10093329 |
5461,21 |
24 |
0,914 |
3280 |
78,6 |
2997,92 |
71,84 |
257808,0 |
0,835396 |
10758400 |
6177,96 |
25 |
0,923 |
3160 |
78,5 |
2916,68 |
72,46 |
248060,0 |
0,851929 |
9985600 |
6162,25 |
сумма |
21,24 |
79472 |
1860,6 |
68116,0 |
1592,28 |
5940839,9 |
18,29687 |
255111340 |
139033,0 |
среднее |
0,8497 |
3179 |
74,4 |
2724,6 |
63,7 |
237633,6 |
0,731875 |
10204453,6 |
5561,3 |
Вычислим коэффициенты а, в1 и в2 через матрицу парных коэффициентов:
;
;
Матрица парных коэффициентов корреляции
|
y |
х2 |
х3 |
y |
1 |
|
|
х5 |
0,7513 |
1 |
|
х6 |
0,9620 |
0,7037 |
1 |
Чтобы найти коэффициенты, необходимо посчитать дисперсию и значения и :
; ;
.
; ;
; .
Далее считаем параметры чистой регрессии b1 и b2 по формулам:
; ; ;
.
Сначала умножаем транспонированную матрицу на у:
Потом также умножаем транспонированную матрицу на х :
;
.
Установим статистическую значимость коэффициентов с помощью критериев Фишера и Стьюдента.
> - уравнение статистически значимо в целом.
Частные критерии Фишера оценивают статистическую значимость присутствия каждого из факторов в уравнении:
Fх5< Fтабл, т.е. фактор х5 нецелесообразно включать в уравнение регрессии после х6.
;
< Fтабл, т.е. фактор х6 целесообразно включать в уравнение регрессии после х5.
Множественная модель с факторами х5 и х6 с R2ух1х2=0,9364 содержит неинформационный фактор х5. Если исключить фактор х5, то можно ограничиться уравнением парной регрессии: Yx = -0,4669+0,0177х, R2ух=0,81, более простым, хорошо детерминированным пригодным для анализа и прогноза.
tт=2,0687,
;
;
,
tт<tb1, tт<tb2.
Следовательно, параметры b1 и b2 – значимы.
Вывод: были найдены значения коэффициентов а=-0,64, b1=0,00005, b2=0,01801 с помощью матричного уравнения и матрицы парных коэффициентов, при этом коэффициенты b1 и b2 значимы. Также мы выяснили, что целесообразнее включить в модель фактор х6 после х5.
Задача 4. Многомерный регрессионный анализ
Исходные данные:
|
3.5 |
3.7 |
3.2 |
3.1 |
3.9 |
3.7 |
3.8 |
3.1 |
3.4 |
3.9 |
3.1 |
3.6 |
|
0.3 |
0.1 |
0.5 |
0.6 |
0.7 |
0.1 |
0.4 |
0.7 |
0.2 |
0.4 |
0.3 |
0.7 |
|
1.4 |
1.1 |
1.5 |
1.1 |
1.7 |
1.2 |
1.2 |
1.3 |
1.9 |
1.8 |
1.6 |
1.3 |
|
5.7 |
4.3 |
6.8 |
5.9 |
8.5 |
4.7 |
6.2 |
6.8 |
7 |
7.9 |
6 |
7.3 |