Эконометрика.-1
.pdfНо при этом, конечно, следовало увеличить объем выборки n , так как надежность статистических выводов существенно зависит от отношения объема выборки n к общему числу всех параметров регрессионной модели: чем больше величина отношения n /( p + 1) ,тем точнее соответствующие оценки, тем надежнее статистические выводы.
[Заголовок 1] 9. Тест Чоу [.]
Задача 1. По данным табл.9.1, используя критерий Г.Чоу, выяснить, можно ли считать одной и той же линейную регрессию Y по X для юношей и девушек.
Табл.9.1 – Исходные данные
№ |
Число решенных |
Пол |
№ |
Число решенных |
Пол |
||
студента |
задач |
|
студен |
студента |
задач |
|
студент |
|
|
|
та |
|
|
|
а |
|
|
|
|
|
|
|
|
i |
xi |
yi |
|
i |
xi |
yi |
|
1 |
10 |
6 |
муж. |
7 |
6 |
3 |
жен. |
|
|
|
|
|
|
|
|
2 |
6 |
4 |
жен. |
8 |
7 |
4 |
муж. |
|
|
|
|
|
|
|
|
3 |
8 |
4 |
муж. |
9 |
9 |
7 |
муж. |
|
|
|
|
|
|
|
|
4 |
8 |
5 |
жен. |
10 |
6 |
3 |
жен. |
|
|
|
|
|
|
|
|
5 |
6 |
4 |
жен. |
11 |
5 |
2 |
муж. |
|
|
|
|
|
|
|
|
6 |
7 |
7 |
муж. |
12 |
7 |
3 |
жен. |
|
|
|
|
|
|
|
|
Решение. По n1 =6 парам наблюдений ( xi , yi ) для юношей— (10;6),
(8;4), (7;7), (7;4), (9;7), (5;2) (1-ая выборка) и по n2 = 6 парам наблюдений для девушек—(6;4), (8;5), (6;4), (6;3), (6;3), (7;3) (2-ая выборка) рассчитаем уравнения регрессии:
) |
+ 0,783x |
(äëÿ |
1 − é |
âû áî ðêè ); |
y = −1, 000 |
||||
) |
+ 0,571x |
(äëÿ |
2 − é |
âû áî ðêè ). |
y = −0, 048 |
41
По всем n = n1 + n2 =12 парам наблюдений рассчитаем уравнение регрессии для объединенной выборки:
y = −1, 437 + 0,815x .
Так как вычисленное по (7.4) значение
F = 0, 21 < F0,05;2;11 = 4, 46 ,
то влияние фактора «пол» несущественно, и в качестве оценки регрессионной модели Y по X можно рассматривать уравнение регрессии, полученное по объединенной выборке.
Задача 2. В таблице 9.2 приведены данные о зависимости потребления шоколада в неделю ( y ) от дохода ( x ). Нужно определить, можно ли объединить выборки для мужчин и женщин.
Табл.9.2 Исходные данные
Пол |
ж |
ж |
ж |
ж |
ж |
ж |
м |
м |
м |
м |
м |
м |
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
6 |
4 |
7 |
4 |
7 |
2 |
4 |
5 |
4 |
3 |
3 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
10 |
8 |
7 |
7 |
9 |
5 |
6 |
8 |
6 |
6 |
6 |
7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Решение. С помощью метода наименьших квадратов находим оценки параметров и функции регрессии для трех выборок 1) женщин:
)
yæ åí = −1 + 0,783x
2) мужчин:
)
yæ åí = 0,571 − 0,048x
3) объединенной:
) |
= 0,815 − 1, 436x . |
|
yæ åí |
|
|
|
) |
) |
Найдем значения квадратов случайных остатков ε |
= y − yæ åí . |
1) функции регрессии выборки женщин (табл.9.3)
Табл.9.3 Расчет значений квадратов случайных остатков
42
x |
|
|
|
10 |
|
|
8 |
|
|
7 |
7 |
|
|
9 |
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
|
|
|
6 |
|
|
4 |
|
|
7 |
4 |
|
|
7 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||||||
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yæ åí |
|
6,826 |
|
5,261 |
|
4,478 |
4,478 |
|
6,043 |
|
2,913 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
ε |
|
|
|
- |
|
|
- |
|
|
2,522 |
- |
|
|
0,956 |
|
- |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
0,826 |
|
1,261 |
|
|
|
0,478 |
|
|
|
|
|
0,913 |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
) |
2 |
|
|
0,682 |
|
1,590 |
|
6,360 |
0,229 |
|
0,915 |
|
0,834 |
|
∑ = |
|
|
|
|
|
|
|||||||||||||
ε |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10,609 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2) |
функции регрессии выборки мужчин (табл.9.4) |
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Табл.9.4 Расчет значений квадратов случайных остатков |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
x |
|
|
|
6 |
|
|
8 |
|
|
6 |
|
6 |
|
|
6 |
|
|
7 |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
y |
|
|
|
4 |
|
|
5 |
|
|
4 |
|
3 |
|
|
3 |
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|||||
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yì óæ |
|
3,381 |
|
4,524 |
|
3,381 |
|
3,381 |
|
3,381 |
|
3,952 |
|
|
|
|
|
|
|
|
|
|
||||||||||||
ε |
|
|
|
0,619 |
|
0,476 |
|
0,619 |
|
- |
|
|
- |
|
|
- |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,381 |
|
0,381 |
|
0,952 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
) |
2 |
|
|
|
0,383 |
|
|
0,227 |
|
0,383 |
|
0,145 |
|
|
0,145 |
|
|
0,907 |
|
|
∑ = |
|
|
|
|
|
|
|||||||
ε |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,190 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
3) |
функции регрессии общей выборки (табл. 9.5) |
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Табл.9.5 Расчет значений квадратов случайных остатков |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
x |
|
|
10 |
8 |
|
|
|
7 |
|
|
7 |
9 |
|
5 |
6 |
|
|
|
8 |
|
|
6 |
|
6 |
6 |
7 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
y |
|
|
6 |
4 |
|
|
|
7 |
|
|
4 |
7 |
|
2 |
4 |
|
|
|
5 |
|
|
4 |
|
3 |
3 |
3 |
|
|||||||
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yî áù |
|
6,7 |
5,0 |
4,2 |
|
4,2 |
5,8 |
|
2,6 |
3,4 |
5,0 |
|
3,4 |
|
3,4 |
3,4 |
4,2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
09 |
|
80 |
65 |
|
65 |
95 |
|
36 |
|
51 |
80 |
|
51 |
|
51 |
51 |
65 |
|
|||||||||||||
ε |
|
|
- |
|
- |
|
|
|
- |
|
|
|
- |
|
|
|
|
- |
|
|
|
- |
- |
- |
|
|||||||||
|
|
|
0,7 |
1,0 |
2,7 |
|
0,2 |
1,1 |
|
0,6 |
0,5 |
0,0 |
|
0,5 |
|
0,4 |
0,4 |
1,2 |
|
|||||||||||||||
|
|
|
09 |
|
80 |
35 |
|
65 |
05 |
|
36 |
|
49 |
80 |
|
49 |
|
51 |
51 |
65 |
|
|||||||||||||
) |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
ε |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
13,4 |
|
|
|
0,5 |
1,1 |
7,4 |
|
0,0 |
1,2 |
|
0,4 |
0,3 |
0,0 |
|
0,3 |
|
0,2 |
0,2 |
1,6 |
62 |
|||||||||||||||
|
|
|
03 |
|
66 |
78 |
|
70 |
22 |
|
05 |
|
02 |
06 |
|
02 |
|
03 |
03 |
01 |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
43
Вычислим F - статистику:
|
|
|
n |
n1 |
n |
|
|
|
|
|
|
|
∑εi2 − ∑εi2 − ∑ |
εi2 (n − 2 p − 2) |
|
||||
|
|
|
|
i=1 |
i=n1 |
|
|
|
|
|
F = |
i=1 |
|
|
= |
|
|||
|
|
|
n1 |
n |
|
|
|
||
|
|
|
|
|
|
||||
|
|
|
|
∑εi2 + ∑εi2 (p + 1) |
|
|
. |
||
|
|
|
|
|
i=n1 |
|
|
|
|
|
|
|
i=1 |
|
|
|
|
||
|
(13, 462 − 10, 609 − 2,190)(12 − 2 1 − 2) |
= 0, 207 |
|||||||
|
|
|
(10, 609 + 2,190)(1 + 1) |
||||||
|
|
|
|
|
|
||||
Т.к. |
|
условие |
F > Fα ; p+1;n−2; p−2 (= 4, 46), |
не выполняется, то две |
регрессионные модели можно объединить в одну, следовательно, выборки мужчин и женщин можно рассматривать как одну выборку.
[Заголовок 1] 10. Мультиколлинеарность [.]
Задача 1. В таблице 10.1 представлены данные о квартирах на рынке недвижимости. Найти оценки неизвестных параметров. Определить индекс детерминации. Выполнить тест на мультиколлинеарность.
Табл.10.1 Исходные данные
Адрес |
Цена, |
Кол-во |
Общая |
Отделка |
Год |
|
тыс.руб. |
комнат |
площадь |
(0- |
постройки |
|
|
|
|
черновая, |
|
|
|
|
|
1- есть) |
|
|
|
|
|
|
|
Интернационалистов |
|
|
|
|
|
ул, 29 |
3950 |
4 |
80 |
1 |
1976 |
|
|
|
|
|
|
Урожайный пер, 30 |
2050 |
1 |
35 |
1 |
2009 |
|
|
|
|
|
|
Ленина пр-кт, 126 |
2250 |
1 |
38 |
1 |
2004 |
|
|
|
|
|
|
Мира пр-кт, 33 |
5500 |
5 |
100 |
1 |
1988 |
|
|
|
|
|
|
Профсоюзная ул, 7 |
1270 |
1 |
26 |
0 |
2014 |
|
|
|
|
|
|
Интернационалистов |
|
|
|
|
|
ул, 6 |
1680 |
1 |
30 |
1 |
1982 |
|
|
|
|
|
|
|
|
|
|
|
44 |
Ленская ул, 47 |
2690 |
2 |
57 |
1 |
2008 |
|
|
|
|
|
|
Розы Люксембург |
|
|
|
|
|
ул, 101 |
2200 |
1 |
38 |
1 |
2008 |
|
|
|
|
|
|
Профсоюзная ул, 7 |
1290 |
1 |
31 |
0 |
2014 |
|
|
|
|
|
|
Дербышевский пер, |
|
|
|
|
|
26а |
2800 |
2 |
50 |
1 |
1993 |
|
|
|
|
|
|
Профсоюзная ул, 7 |
1520 |
1 |
35 |
0 |
2014 |
|
|
|
|
|
|
Карла Ильмера ул, |
|
|
|
|
|
21 |
2500 |
2 |
54 |
1 |
1983 |
|
|
|
|
|
|
79-й Гвардейской |
|
|
|
|
|
Дивизии, 20 |
2650 |
2 |
54 |
1 |
1978 |
|
|
|
|
|
|
Смирнова, 23 |
1900 |
2 |
44 |
1 |
1962 |
|
|
|
|
|
|
Решение. Запишем исходные данные в матричном виде:
Y := ( 3950 2050 2250 5500 1270 1680 2690 2200 1290 2800 1520 2500 2650 1900)T
1 |
4 |
80 |
1 |
1976 |
|
|
1 |
1 |
35 |
1 |
2009 |
|
|
|
|
|
|
1 |
1 |
38 |
1 |
2004 |
|
1 |
5 |
100 |
1 |
1988 |
|
|
|
|
|
|
|
|
1 |
1 |
26 |
0 |
2014 |
1 |
1 |
30 |
1 |
1982 |
|
|
1 |
2 |
57 |
1 |
2008 |
X := |
|
|
|
|
|
1 |
1 |
38 |
1 |
2008 |
|
|
1 |
1 |
31 |
0 |
|
|
2014 |
||||
|
1 |
2 |
50 |
1 |
1993 |
|
|
|
|
|
|
1 |
1 |
35 |
0 |
2014 |
|
1 |
2 |
54 |
1 |
1983 |
1 2 54 1 1978
1 2 44 1 1962
45
С помощью метода наименьших квадратов находим оценки:
Q := |
( |
T |
)− 1 |
T |
Y |
|
|
X |
X |
X |
|
||
|
|
|
|
4 |
|
|
|
|
−3.45 × 10 |
|
|||
|
|
597.58 |
|
|
||
Q = |
|
17.658 |
|
|
||
|
|
|
|
|||
|
|
753.483 |
|
|||
|
|
|
|
|
|
|
|
|
17.241 |
|
|
Вычислим оценки y:
j := 0, 1.. 13
ymj := Q0 + Q1 Xj , 1 + Q2 Xj , 2 + Q3 Xj , 3 + Q4 Xj , 4
|
|
0 |
|
|
|
|
0 |
4.122·103 |
|
1 |
2.104·103 |
|
2 |
2.071·103 |
|
3 |
5.28·103 |
|
4 |
1.278·103 |
|
5 |
1.55·103 |
ym = |
6 |
3.073·103 |
|
7 |
2.14·103 |
|
8 |
1.366·103 |
|
9 |
2.69·103 |
|
10 |
1.437·103 |
|
11 |
2.589·103 |
|
12 |
2.502·103 |
|
13 |
2.05·103 |
По формуле вычислим индекс детерминации
|
|
|
Sî ñò |
|
Sî ò êë |
|
) |
|
R |
2 |
= 1 − |
= |
= |
∑( y − y) |
2 |
||
|
Sî áù |
Sî áù |
∑( y − y) |
2 |
||||
|
|
|
|
|
46
|
|
13 |
|
|
|
∑ |
Yi |
|
|
|
|
ys := |
i = 0 |
|
|
|
14 |
|
|
|
|
|
ys = 2.446× 103
13
Sot := ∑ (ymi − ys )2 i = 0
13
Sob := ∑ (Yi − ys )2 i = 0
R := Sot
Sob
R = 0.978
Для выявления мультиколлинеарности вычислим vif. Построим уравнение регрессии
xi(1) =α0 +α2 xi(2) +α3xi(3) +α4 xi(4)
Вычислим оценки неизвестных параметров:
Y1 := ( 4 1 1 5 1 1 2 1 1 2 1 2 2 2 )T
1 |
80 |
1 |
1976 |
1 |
35 |
1 |
2009 |
|
|
|
|
1 |
38 |
1 |
2004 |
1 100 1 1988
1 26 0 2014
1 |
30 |
1 |
1982 |
|
|
1 |
57 |
1 |
2008 |
X1 := |
|
|
|
|
1 |
38 |
1 |
2008 |
|
|
1 |
31 |
0 |
|
|
2014 |
|||
|
1 |
50 |
1 |
1993 |
|
|
|
|
|
1 |
35 |
0 |
2014 |
|
1 |
54 |
1 |
1983 |
1 54 1 1978
1 44 1 1962
Q1 := |
( |
T |
)− 1 |
T |
Y1 |
|
X1 |
X1 |
X1 |
||
|
|
23.44 |
|
|
|
|
|
|
|
|
|
Q1 = |
|
0.058 |
|
47 |
|
−0.486 |
|
|
|||
|
|
|
|
|
|
|
|
−0.012 |
|
|
Вычислим вектор оценок результирующей переменной:
j := 0, 1.. 13
ym1j := Q10 + Q11 X1j , 1 + Q12 X1j , 2 + Q13 X1j ,3
|
|
0 |
|
|
|
|
0 |
3.854 |
|
|
|
|
1 |
0.827 |
|
|
|
|
2 |
1.063 |
|
|
|
|
3 |
4.879 |
|
|
|
|
4 |
0.727 |
|
|
|
|
5 |
0.86 |
ym1 = |
|
|
6 |
2.125 |
|
|
|
|
|
7 |
1.015 |
|
|
|
|
8 |
1.019 |
|
|
|
|
9 |
1.897 |
|
|
|
|
10 |
1.253 |
|
|
|
|
11 |
2.251 |
|
|
|
|
12 |
2.311 |
|
|
|
|
13 |
1.919 |
|
|
|
Наконец, определим vif:
|
|
13 |
|
|
|
∑ |
Y1i |
|
|
|
|
ys1 := |
i = 0 |
|
|
|
14 |
||
|
|
ys1 = 1.857
13
Sot1 := ∑ (ym1i − ys1 )2 i = 0
13
Sob1 := ∑ (Y1i − ys1 )2 i = 0
R1 := Sot1
Sob1
R1 = 0.979
1
vif1 :=
(1 − R1)
vif1 = 46.861
48
Т.к. полученное значение больше 10, то в модели наблюдается мультиколлинеарность.
[Заголовок 1] 11. Процедура отбора существенных факторов [.]
Задача 1. По данным таблицы 11.1 выполнить отбор наиболее существенных факторов с помощью процедуры пошагового отбора.
Табл.11.1 Исходные данные
№ заемщика |
Просрочки |
Стаж, |
лет |
Срок кредита, |
Сумма |
|
кредита (шт.), |
(X1) |
|
мес. (X2) |
кредита, руб. |
|
(Y) |
|
|
|
(X3) |
|
|
|
|
|
|
1 |
0 |
7,5 |
|
12 |
170 000 |
|
|
||||
2 |
0 |
4,5 |
|
12 |
120 000 |
|
|
||||
3 |
0 |
6,5 |
|
12 |
85 000 |
|
|
||||
4 |
1 |
2,5 |
|
12 |
160 000 |
|
|
||||
5 |
1 |
3,5 |
|
24 |
105 000 |
|
|
||||
6 |
0 |
6,5 |
|
12 |
90 000 |
|
|
||||
7 |
3 |
2 |
|
24 |
80 000 |
|
|
||||
8 |
2 |
3,5 |
|
24 |
395 000 |
|
|
||||
9 |
2 |
6 |
|
36 |
150 000 |
|
|
||||
10 |
4 |
2 |
|
60 |
70 000 |
|
|
Решение.
Шаг 1. Вычислим квадрат коэффициента корреляции зависимой переменной с каждой объясняющей переменной:
49
|
|
|
|
|
|
n |
|
|
|
n |
|
n |
|
|
|
|
|
|
||
|
|
|
|
|
n |
|
x y − |
|
|
x |
|
y |
|
|
|
|
|
|||
|
σ x |
|
|
|
|
∑ i |
i |
|
∑ i |
∑ i |
|
|
|
|
|
|||||
r = Θ |
= |
|
|
|
i=1 |
|
i=1 |
i=1 |
|
|
|
|
, |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
1 σ y |
n |
|
|
n |
|
2 n |
|
|
n |
|
2 |
|||||||||
|
|
|
|
n∑xi2 |
|
|
|
|
|
n∑yi2 |
|
|
|
|
||||||
|
|
|
|
− |
∑xi |
|
|
|
− |
∑yi |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
i=1 |
|
i=1 |
|
|
|
|
|
i=1 |
|
i=1 |
|
|
ryx2 1 = 0,5204 ,
ryx2 2 = 0,7582 ,
ryx2 3 = 0,0003.
Из объясняющих переменных |
x(1) − x(3) выделяется переменная |
x(2) , |
||||||||||
имеющая с зависимой переменной Y наибольший коэффициент |
||||||||||||
детерминации |
R2 |
(равный для парной модели квадрату коэффициента |
||||||||||
корреляции r ). Очевидно, это переменная x(2) , |
так |
как |
коэффициент |
|||||||||
детерминации |
R2 |
= r |
2 = 0,7582 -максимальный. С |
учетом |
поправки на |
|||||||
|
|
yx |
yx |
|
|
|
|
|
|
|||
|
|
2 |
|
2 |
|
|
|
|
|
|
|
|
несмещенность |
скорректированный |
коэффициент |
|
детерминации |
||||||||
) |
n − 1 |
|
|
|
10 − 1 |
|
|
|
|
|
|
|
Ryx2 = 1 − |
(1 − R2 ) = 1 − |
(1 − 0, 7582) = 0, 728 . |
|
|
|
|
||||||
n − m |
|
|
|
|
|
|||||||
2 |
|
|
10 − 2 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
Шаг 2. |
Среди |
возможных |
пар |
объясняющих |
переменных |
x(2) , |
x( j) , j = 1,3 , выбирается пара, имеющая с зависимой переменной Y наиболее высокий коэффициент детерминации.
Рассмотрим пару ( x(2) , x(1) )
|
|
|
|
) |
|
− 0, 2792x(1) + 0,0627 x(2) . Вычисление |
||||||||
|
Уравнение регрессии: y = 1,1124 |
|||||||||||||
|
данных для расчета индекса детерминации приведено в табл. 11.2. |
|
|
|
||||||||||
|
|
Табл.11.2 Вычисление данных для расчета индекса детерминации |
||||||||||||
|
Просрочки |
|
Стаж, лет |
|
Срок |
|
Y |
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
(Y − Y )2 |
|
|
(Y − Y )2 |
||||||
|
кредита |
|
(X1) |
|
кредита, |
|
|
|
|
|
|
|
|
|
|
(шт.), (Y) |
|
|
|
мес. (X2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0 |
|
7,5 |
|
12 |
|
-0,2290 |
|
0,0524 |
|
|
1,6900 |
||
|
0 |
|
4,5 |
|
12 |
|
0,6086 |
|
0,3704 |
|
|
1,6900 |
50