- •Лабораторная работа №4 по курсу: «Эконометрика»
- •Содержание
- •Построить уравнение линейной регрессии в стандартизированном масштабе.
- •Информативность факторов.
- •Частные коэффициенты корреляции.
- •Оценить значимость частных коэффициентов корреляции при уровнях значимости 0,05 и 0,01.
- •Оценить информативность факторов на основе частных коэффициентов корреляции.
- •Уравнение регрессии
Построить уравнение линейной регрессии в стандартизированном масштабе.
Его коэффициенты связаны с коэффициентами обычного уравнения регрессии соотношениями
bi=или bi*
σy=9.53 σx1=6.36 σx3=6.34
0.347
=0.91*0.605
и уравнение линейной регрессии в стандартизированном масштабе имеет вид
ty = 0.347*tx1 +0.605*tx3
Информативность факторов.
Так как β1 = 0,367,а β3 = 0,605, то делаем вывод, что фактор β3 более информативен.
Частные коэффициенты корреляции.
Для их вычисления воспользуемся формулой
ryxi*x1x2..xp=, всоответствии с которой необходимо вычислить величины. В данном примере величину можно взять из табл. А , а величины вычислить, используя соответствующие кэффициенты линейной корреляции r yx1 , r yx3 из корреляционной матрицы в примере лабораторной работы № 3.
0.326
0.104
0.309
В результате получим частные коэффициенты корреляции
ryx1*x3=0.025
r yx3*x1=0.248
Оценить значимость частных коэффициентов корреляции при уровнях значимости 0,05 и 0,01.
Вычислим фактические значения частного F-критерия Фишера
Fчаст х1= * =1.06
Fчаст х3 = * 13,83
получаем Fфакт,0,05 = 4,073, Fфакт,0,01 = 7,28.
Откуда следует, что Fчаст х1 при α = 0,05 и при α = 0,01 не значим, а Fчаст х3 значим и при α = 0,05, и при α = 0,01.
Оценить информативность факторов на основе частных коэффициентов корреляции.
Так как оба частных коэффициента значимы, то оба фактора x1 и x3 информативны и должны быть включены в уравнение регрессии.
Уравнение регрессии
(из лабораторной работы № 3)
у=0,209*x1+0,76*x3-37,612
Проверить гипотезу о гомоскедастичности ряда остатков с уровнем значимости α = 0,05.
Вычислим расчетные значения результативного признака по уравнению регрессии и определим остатки (результаты приведены в таблице исходных данных). Согласно методу Гольдфельда–Квандта, упорядочим
ряд остатков отдельно по фактору x1 и по фактору x3. Результаты приведены в
следующей таблице. Цветом отмечены данные, не участвующие в рассмот-
рении. Согласно рекомендациям, их число равно С = 7.
Остатки упорядоченные по х1 |
|
Остатки упорядоченные по х3 |
||||
x1 |
x3 |
остатки |
|
x1 |
x3 |
остатки |
96 |
77 |
1,97 |
|
103 |
56 |
-12,52 |
99 |
64 |
-5,28 |
|
99 |
58 |
-9,84 |
99 |
77 |
5,6 |
|
105 |
64 |
-3,03 |
100 |
66 |
-2,55 |
|
102 |
64 |
-3,65 |
100 |
71 |
11,25 |
|
106 |
64 |
7,18 |
102 |
81 |
2,27 |
|
106 |
65 |
-9,06 |
102 |
58 |
-3,21 |
|
100 |
65 |
1,69 |
102 |
66 |
-6,13 |
|
100 |
65 |
-7,31 |
102 |
73 |
-8,81 |
|
113 |
66 |
-11,83 |
103 |
81 |
-18,52 |
|
106 |
66 |
-29,3 |
103 |
73 |
0,4 |
|
111 |
66 |
-3,25 |
104 |
65 |
-0,48 |
|
106 |
68 |
2,22 |
104 |
66 |
-4,72 |
|
115 |
69 |
-0,14 |
105 |
74 |
3,57 |
|
108 |
70 |
1,16 |
105 |
64 |
-2,03 |
|
102 |
71 |
2,67 |
105 |
79 |
-9,63 |
|
102 |
71 |
-16,33 |
106 |
71 |
2,5 |
|
110 |
71 |
3,34 |
106 |
68 |
-12,78 |
|
106 |
72 |
-9,74 |
106 |
78 |
-14,18 |
|
111 |
73 |
-16,93 |
106 |
74 |
5,78 |
|
103 |
73 |
4,4 |
106 |
64 |
-0,82 |
|
104 |
73 |
5,6 |
106 |
74 |
-7,22 |
|
105 |
73 |
-8,19 |
107 |
71 |
8,71 |
|
102 |
74 |
9,95 |
108 |
87 |
-7,92 |
|
107 |
74 |
-18,01 |
108 |
56 |
1,52 |
|
96 |
74 |
12,69 |
109 |
65 |
8,57 |
|
99 |
74 |
13,32 |
109 |
74 |
-2,59 |
|
109 |
74 |
-2,59 |
109 |
78 |
4,45 |
|
104 |
74 |
0,36 |
109 |
76 |
-11,07 |
|
116 |
75 |
-10,37 |
109 |
74 |
0,41 |
|
106 |
76 |
1,3 |
110 |
73 |
-2,14 |
|
109 |
76 |
-0,07 |
111 |
75 |
2,59 |
|
116 |
76 |
4,39 |
111 |
72 |
12,31 |
|
108 |
76 |
14,72 |
111 |
77 |
11,11 |
|
109 |
77 |
10,69 |
113 |
76 |
-8,23 |
|
119 |
77 |
-6,22 |
113 |
69 |
6,45 |
|
111 |
77 |
12,11 |
114 |
76 |
12,97 |
|
105 |
77 |
11,85 |
115 |
74 |
15,66 |
|
120 |
78 |
19,75 |
116 |
81 |
12,19 |
|
114 |
78 |
9,49 |
116 |
82 |
1,95 |
|
119 |
79 |
0,3 |
119 |
70 |
4,46 |
|
109 |
81 |
10,73 |
119 |
73 |
2,74 |
|
113 |
81 |
7,57 |
120 |
76 |
-16,77 |
|
121 |
81 |
-12,76 |
121 |
65 |
-0,92 |
|
124 |
82 |
12,62 |
124 |
77 |
9,82 |
|
109 |
87 |
14,29 |
Проверим гомокседантичность по фактору х1 . Построим уравнение регрессии на основе данных верхней части левой таблицы. Получим три таблицы
Таблица Г1
Множественный R |
0,078323003 |
R-квадрат |
0,006134493 |
Нормированный R-квадрат |
-0,064855901 |
Стандартная ошибка |
2,650209811 |
Наблюдения |
16 |
Таблица Д1
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
0,057557 |
0,606931 |
0,086413 |
0,773100915 |
Остаток |
14 |
140,574 |
7,023612 |
|
|
Итого |
19 |
140,6316 |
|
|
|
Таблица Е1
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Y-пересечение |
103,9816161 |
6,985193897 |
14,88600282 |
Переменная X1 |
-0,028815733 |
0,098025741 |
-0,29396088 |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
5,62974 |
88,99986524 |
118,9633669 |
88,99986524 |
118,9633669 |
0,773100915 |
-0,239060038 |
0,181428571 |
-0,239060038 |
0,181428571 |
Из табл. Д1 находим остаточную дисперсию (графа «SS») S1 = 140,574
Построим уравнение регрессии на основе данных нижней части левой таблицы.
Таблица Г2
Множественный R |
0,141069463 |
R-квадрат |
0,019900593 |
Нормированный R-квадрат |
-0,037752313 |
Стандартная ошибка |
4,732829098 |
Наблюдения |
19 |
Таблица Д2
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
7,731904 |
7,731904 |
0,345179 |
0,56457772 |
Остаток |
17 |
380,7944 |
22,39967 |
|
|
Итого |
18 |
388,5263 |
|
|
|
Таблица Е2
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
Y-пересечение |
126,4629904 |
20,97226817 |
6,030010172 |
Переменная X 1 |
-0,164877868 |
0,280633784 |
-0,58751967 |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
1,35171E-05 |
82,2153727 |
170,7106081 |
82,2153727 |
170,7106081 |
0,56457772 |
-0,756963393 |
0,427207656 |
-0,756963393 |
0,427207656 |
Из табл. Д2 находим остаточную дисперсию (графа «SS») S2 = 380,79.
Найдем отношение
S2 : S1 = 380,79:140,574=2,71
Определим критическое значение для теста Гольдфельда–Квандта как значение F-критерия со степенями свободы k1 = (n – С – 2р) : 2, k2 = (n – С – 2р) : 2.
В нашем случае С = 7 и p = 2 (переменные x1 и x3)
k1 = k2 = 49 – 7 – 2 · 2 =17.
Соответствующее значение критерия при α = 0,05 равно Fфакт,0,05 = 2,31.
Так как S2 : S1 = 2,71 > Fфакт,0,05 = 2,31, то нарушается предпосылка о равенстве дисперсий, т. е. о гомоскедастичности остатков по переменной x2.
б) Проверим гомоскедастичность по фактору x3. Действуя аналогично и
используя правую часть таблицы, получим следующие величины остаточных дисперсий S1 = 308,323, S2 = 569,068.
Так как отношение S2 : S1 = 569,068 : 308,323 = 1,85 < Fфакт,0,05 = 2,31, то
предпосылка о равенстве дисперсий, т. е. о гомоскедастичности остатков по переменной x3, не нарушается.
Вывод.
В ходе работы мы построили уравнение регрессии в стандартизированном масштабе ty = 0.347*tx1 +0.605*tx3 , оценили информативность факторов на основе этого уравнения, получили, что фактор β3 более информативен. Так же вычислили частные коэффициенты корреляции ryx1*x3=0.025, r yx3*x1=0.248, получили, что Fчаст х1 при α = 0,05 и при α = 0,01 не значим, а Fчаст х3 значим и при α = 0,05, и при α = 0,01. Так как оба частных коэффициента значимы, то оба фактора x1 и x3 информативны, и поэтому мы их включили в уравнение регрессии, построили уравнение регрессии с учетом информативных факторов у=0,209*x1+0,76*x3-37,612.