- •Донецьк 2010
- •Введение
- •1. Моделирование рядов динамики
- •1.1. Определение параметров моделирующих функций
- •1.2. Оценка адекватности и надежности модели
- •1.3. Оценка параметров уравнений
- •1.4. Использование моделей тренда в прогнозировании
- •2. Автокорреляция уровней динамического ряда
- •Свойства коэффициента автокорреляции:
- •3. Автокорреляция остатков
- •3.1. Критерий Дарбина – Уотсона (d - статистика)
- •Ограничения на применение критерия Дарбина - Уотсона:
- •3.2. Нециклический коэффициент автокорреляции остатков
- •3.3.Циклический коэффициент автокорреляции остатков
- •4.2. Снижение влияния гетероскедастичности
- •5 Множественная регрессия
- •5.1. Классический подход
- •Расчет элементов коэффициента
- •Коэффициенты эластичности результативного показателя по факторам определяются по формуле (51)
- •5.2. Матричный подход
- •5.3. Расчеты с использованием пк
- •Вывод итогов
- •6 Мультиколлинеарность
- •7 Ранговая корреляция
- •7.1. Экспертное оценивание
- •7.2. Этапы работ в системе экспертных оценок
- •7.3. Метод ранговой корреляции
- •Вспомогательные расчеты
- •Б) Случай многих экспертов
- •8 Сетевое планирование
- •9. Компьютерная поддержка расчетов в пакете Excel
- •9.1. Ввод данных
- •9.2. Построение расчетной таблицы
- •9.3. Вычисление параметров моделирующих уравнений
- •9. 4. Графическое представление данных
- •Данных диаграммы
- •Параметры диаграммы
- •Размещение диаграммы
- •9.5. Построение линии тренда
- •9.6. Использование опции Мастер функций
- •9.7. Использование пакета Анализ данных
- •Литература
- •Коэффициентов автокорреляции
- •Критические значения и для коэффициента автокорреляции критерия Дарбина-Уотсона для
- •Критические значения и для коэффициента автокорреляции критерия Дарбина-Уотсона для
- •Значение критерия Пирсона
- •Квантили распределения Стьюдента
Расчет элементов коэффициента
|
|
|
|
|
|
|
45 |
1,7 |
22 |
23,83 |
484 |
568,01 |
524,33 |
72 |
1,9 |
30 |
30,39 |
900 |
923,61 |
911,73 |
131 |
2 |
45 |
41,86 |
2025 |
1752,26 |
1883,70 |
228 |
3,4 |
62 |
71,21 |
3844 |
5070,29 |
4414,77 |
90 |
3 |
48 |
42,97 |
2304 |
1846,42 |
2062,56 |
145 |
3,6 |
64 |
57,96 |
4096 |
3359,83 |
3709,70 |
225 |
4,7 |
76 |
81,70 |
5776 |
6675,38 |
6209,43 |
357 |
5,2 |
108 |
109,71 |
11664 |
12035,85 |
11848,46 |
136 |
4,9 |
65 |
67,38 |
4225 |
4540,20 |
4379,77 |
218 |
5 |
90 |
82,99 |
8100 |
6887,34 |
7469,10 |
|
|
610 |
610,01 |
43418 |
43659,19 |
43413,54 |
В соответствии с формулой (48) множественный коэффициент корреляции равняется
.
Чем более близок к единице, тем лучше данная модель описывает фактические данные. Рассчитанный коэффициент указывает на высокую степень соответствия математической модели фактическим данным.
Коэффициент детерминации равен квадрату множественного коэффициента корреляции. Он измеряет долю общей дисперсии относительно среднего , которую можно объяснить регрессией.
В нашем случае . То есть 96% дисперсии показателя (затраты на питание) можно объяснить с помощью построенной модели зависимости от (общих затрат) и (расходов на обучение).
Полезным является построение интервальных границ для коэффициента множественной регрессии.
Доверительный интервал для множественного коэффициента корреляции находится по формуле (49)
, (49)
где .
В нашем случае по таблицам Стьюдента (приложение 5) находим критическую точку , поэтому
.
Тогда доверительный интервал, найденный по формуле (49), имеет вид или . Поскольку коэффициент множественной корреляции должен находиться в границах от 0 до 1, то доверительным интервалом для него будет , что указывает на удачный подбор модели.
Проверку значимости уравнение регрессии проводят по критерию Фишера: вычисляют фактическое значение -статистики
. (50)
По таблице критических точек Фишера (приложение 4) находят критическое значение статистики , где – количество наблюдений, – количество факторов, – уровень значимости.
Если , то уравнение регрессии не является надежно значимым. Если , то уравнение регрессии является значимым.
В нашем случае рассчитаем статистику по формуле (50) . По таблицам Фишера (приложение 4) найдем критическое значение . Поскольку , то уравнение считают надежным.
Экономический смысл параметра bi регрессии: если фактор изменится на единицу своего измерения, то показатель изменится на единиц своего измерения при условии, что остальные факторы остаются без изменений.
В нашем случае . Если фактор изменится на единицу своего измерения, то показатель изменится на 0,15 единиц своего измерения. То есть если общие затраты возрастут (или уменьшатся) на 1 условную денежную единицу, то затраты на питание возрастут (или уменьшатся) на 0,15 условных денежных единиц. Поскольку , то если фактор изменится на 1 единицу своего измерения, то показатель изменится на 9,79 единиц своего измерения. То есть если количество членов семьи возрастет (или уменьшится) на одного человека, то затраты на питание возрастут (или уменьшатся) на 9,79 условных денежных единиц.