- •Задача 1
- •1. Парные зависимости
- •2. Множественная зависимость.
- •3. Экономическая интерпретация.
- •Решение
- •1. Парные зависимости
- •2. Множественная зависимость
- •3. Экономическая интерпретация
- •Задача 2
- •2. Методом наименьших квадратов найти оценку уравнения линейного тренда
- •Решение
- •Задача 3
- •Решение
- •1. Для регрессионных моделей
- •2. Для регрессионной модели
- •Список использованной литературы
Задача 3
Проверка моделей на автокорреляцию и мультиколлинеарность.
1. Для регрессионных моделей:
и
с помощью критерия Дарбина – Уотсона проверить наличие или отсутствие автокорреляции на уровне значимости α=0,05.
2. Для регрессионной модели
проверим наличие или отсутствие мультиколлинеарности, используем:
а) парный коэффициент корреляции (приближённо);
б) критерий «хи - квадрат» χ2 на уровне значимости α=0,05.
Решение
1. Для регрессионных моделей
и
с помощью критерия Дарбина – Уотсона проверить наличие или отсутствие автокорреляции на уровне значимости α=0,05.
Статистика Дарбина – Уотсона имеет вид
Таблица 10.
Проверим наличие или отсутствие автокорреляции для регрессионной модели
i |
| |||
ei |
(ei-ei-1)2 |
ei |
(ei-ei-1)2 | |
1 |
-84,728 |
|
40175,83 |
1614097316 |
2 |
-78,912 |
7178,833984 |
30794,83 |
88003161 |
3 |
-94,01 |
33,825856 |
38759,83 |
63441225 |
4 |
-79,188 |
227,949604 |
40765,83 |
4024036 |
5 |
-72,578 |
219,691684 |
42476,83 |
2927521 |
6 |
-83,978 |
43,6921 |
50146,83 |
58828900 |
7 |
-102,86 |
129,96 |
59173,83 |
81486729 |
8 |
-95,634 |
356,529924 |
58701,83 |
222784 |
9 |
-57,452 |
52,215076 |
60943,83 |
5026564 |
10 |
-76,064 |
1457,865124 |
59999,83 |
891136 |
11 |
-118,144 |
346,406544 |
71209,83 |
125664100 |
12 |
-138,388 |
1770,7264 |
71209,83 |
0 |
13 |
-109,662 |
409,819536 |
624358,96 |
1614097316 |
14 |
-64,41 |
825,183076 |
40175,83 |
88003161 |
15 |
-124,59 |
2047,743504 |
30794,83 |
63441225 |
16 |
-73,864 |
3621,6324 |
38759,83 |
4024036 |
Итого: |
-1454,462 |
2573,127076 |
40765,83 |
2044613472 |
а)
Получаем
В задаче число наблюдений n=16, число объясняющих переменных m=2.
По таблице находим d1=0,982; du=1,539. В нашем случае условие не выполняется d1<d<4-du, поэтому гипотеза об отсутствии автокорреляции отклоняется.
б)
Получаем
В задаче число наблюдений n=12, число объясняющих переменных m=1.
Согласно теории, d – статистика Дарбина – Уотсона определена для объёмов выборки не менее 15, следовательно, в данном случае применение этой статистики не совсем корректно. Примем n=15, тогда при одной объясняющей переменной m=1 получим:
По таблице находим d1=0,077; du=1,361. В нашем случае не выполняется условие du<d<4-du, поэтому гипотеза об отсутствии автокорреляции не принимается.
2. Для регрессионной модели
проверим наличие или отсутствие мультиколлинеарности, используем:
а) парный коэффициент корреляции (приближённо);
- уравнение регрессии.
Находим коэффициент парной корреляции между объясняющими переменными, для вычислений воспользуемся Excel (статистическая функция КОРРЕЛ), получаем:
Вычисляем t-статистику:
- можно говорить, что коэффициенты не коррелируют между собой, следовательно, мультиколлинеарность отсутствует.
б) критерий «хи - квадрат» χ2 на уровне значимости α=0,05.
Рассчитаем определитель матрицы коэффициентов парной корреляции:
По формуле получаем:
Табличное значение статистики равно: χтабл2=3,565
Так как χфакт2=3,35 меньше χтабл2=3,565, то можно сделать окончательный вывод об отсутствии мультиколлинеарности.