- •Федеральное агенство по образованию
- •1. Проанализируйте тесноту и направление связи между переменными, отберите факторы для регрессионного анализа.
- •2. Постройте модели множественной регрессии с выбранными факторами. Проверьте значимость параметров уравнения.
- •3. Постройте уравнение только со статистически значимыми факторами. Оцените его качество.
- •4. Оцените степень влияния включенных в модель факторов на независимую переменную при помощи коэффициентов эластичности, â и δ коэффициентов.
- •5.Определите точность модели.
2. Постройте модели множественной регрессии с выбранными факторами. Проверьте значимость параметров уравнения.
1) Построение модели множественной регрессии
Для построения модели множественной регрессии воспользуемся инструментом Регрессия в Excel, что представлено на рисунке 2.
Рисунок 2. Использование инструмента Регрессия для построения модели множественной регрессии
Результаты представлены в таблицах 2-5.
Таблица 2. Регрессионная статистика
Множественный R |
0,949469 |
R-квадрат |
0,901492 |
Нормированный R-квадрат |
0,886715 |
Стандартная ошибка |
6,759955 |
Наблюдения |
24 |
Таблица 3. Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
3 |
8363,846 |
2787,949 |
61,00945 |
3,04E-10 |
Остаток |
20 |
913,9399 |
45,697 |
|
|
Итого |
23 |
9277,786 |
|
|
|
Таблица 4. Вывод итогов
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
2,534375 |
6,040428 |
0,419569 |
0,679273 |
-10,0657 |
15,13449 |
-10,0657 |
15,13449 |
X 1 |
0,492589 |
0,043625 |
11,29151 |
3,95E-10 |
0,401589 |
0,583588 |
0,401589 |
0,583588 |
X 2 |
0,028194 |
0,181866 |
0,155024 |
0,878356 |
-0,35117 |
0,407559 |
-0,35117 |
0,407559 |
X 4 |
-0,56326 |
0,232067 |
-2,42715 |
0,024788 |
-1,04734 |
-0,07918 |
-1,04734 |
-0,07918 |
Таблица 5. Вывод остатка
Наблюдение |
Предсказанное Y |
Остатки |
1 |
26,59641 |
9,603595 |
2 |
59,76516 |
-22,8652 |
3 |
14,86324 |
-1,16324 |
4 |
16,01833 |
-3,51833 |
5 |
11,75245 |
-0,45245 |
6 |
33,91744 |
3,282558 |
7 |
17,78945 |
2,010554 |
8 |
31,03546 |
-2,83546 |
9 |
9,457536 |
2,742464 |
10 |
40,57423 |
5,52577 |
11 |
38,4249 |
-2,9249 |
12 |
12,89288 |
-1,09288 |
13 |
23,11193 |
-1,81193 |
14 |
69,5134 |
-0,6134 |
15 |
32,93302 |
1,166981 |
16 |
73,30989 |
5,590109 |
17 |
21,35223 |
-2,75223 |
18 |
16,10254 |
-2,40254 |
19 |
46,14546 |
8,554537 |
20 |
50,59305 |
7,706951 |
21 |
13,01994 |
-1,21994 |
22 |
13,10551 |
-3,60551 |
23 |
10,88141 |
-2,38141 |
24 |
13,14413 |
3,455873 |
С учётом данных таблицы 4, получим следующее уравнение регрессии:
у = 0,493X1 + 0,028X2 – 0,563X4 + 2,53
Поясним экономический смысл её параметров:
Коэффициент регрессии при переменной X1 показывает, что с ростом дохода на 1 ед., цена увеличивается в среднем на 0,493 ден. ед. при неизменном возрасте и стаже.
Коэффициент регрессии при переменной Х2 показывает, что с ростом возраста а один год, цена автомобиля в среднем увеличивается на 0,028 ден. ед. при неизменном уровне дохода и стажа работы.
Коэффициент регрессии при переменной Х3 показывает, что с ростом стажа работы на один год, цена автомобиля в среднем уменьшается на 0,563 ден. ед. при неизменном уровне дохода и возрасте.
Параметр а показывает среднее отклонение фактических данных от теоретических.
2) Проверка значимости параметра уравнения
Оценим качество полученного уравнения регрессии с использованием индекса корреляции R и коэффициента детерминации R2:
Индекс корреляции R = 0,949 – он показывает тесноту связи зависимой переменной Y с включёнными в модель объясняющими факторами. Следовательно связь между результатом У и факторами Х1, Х2 и Х4 достаточно сильная.
Коэффициент детерминации R2 = 0,901 - показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, около 90,1% вариации зависимой переменной учтено в модели и обусловлено влиянием включённых факторов.
Оценим статистическую значимость параметров регрессии по критерию Стьюдента. Для этого обратимся к шестому столбцу таблицы 4, где содержится t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии.
В данной таблице представлены следующие значения
tа1 = 19,923
tа2 = 1,905
tа4 = 0,946
Сравним полученные значения t-критерия с табличным:
tтабл = 2,073 (α = 0,05; n – 2 = 22). Данное значение получили в EXCEL c помощью функции СТЬЮДРАСПОБР.
Можно сделать вывод, что значимыми являются параметры регрессии для факторов доход и стаж; остальные параметры регрессии незначимы.
Проверку значимости уравнения регрессии произведем на основе F-критерия Фишера. Табличное значение критерия Фишера получили в EXCEL с помощью функции FРАСПОБР. Fтаб = 3,1.
расчетное значение критерия Фишера возьмем из таблицы. Fрас= 61,01.
Таким образом, Fнабл > Fтабл (61,01 > 3,1). Следовательно, качество и статистическая значимость нашего уравнения доказаны.