- •1. Основні теоретичні положення регресійного аналізу
- •1.1. Кореляційна залежність
- •1.2. Основні математичні поняття,
- •1.3. Передумови використання
- •2. Парний регресійний аналіз
- •2.1. Лінійна парна регресія
- •2.2. Властивості оцінок
- •2.3. Лінійний коефіцієнт кореляції
- •2.4. Коефіцієнт детермінації
- •2.5. Оцінка значущості рівняння регресії
- •2.6. Прогноз залежної змінної.
- •2.7. Приклад 1.
- •2.8. Нелінійна парна регресія
- •2.9. Дослідження нелінійних рівнянь
- •2.10. Приклад 2.
- •2.11. Побудова функції парної регресії
- •2.12. Побудова графіку функції
- •2.13. Питання для самоперевірки
- •3. Багатофакторний регресійний аналіз
- •3.1. Класична нормальна лінійна модель
- •3.2. Коефіцієнти детермінації і кореляції.
- •3.3. Перевірка значущості параметрів
- •3.4. Прогноз залежної змінної
- •3.5. Приклад 3. Знаходження двофакторної моделі
- •3.6. Використання пакету анализ данных
- •3.7. Використання Excel для розрахунку
- •Введення і підготовка даних
- •4. Мультиколінеарність
- •4.1. Поняття і наслідки мультиколінеарності
- •4.2. Алгоритм Фаррара – Глобера
- •4.3. Приклад 4.
- •4.5. Питання для самоперевірки
- •5. Гетероскедастичність
- •5.1. Поняття гетероскедастичності
- •5.2. Виявлення гетероскедастичності.
- •5.3. Приклад 5. Дослідження даних
- •5.4. Виявлення гетероскедастичності.
- •5.5. Приклад 6. Дослідження даних
- •5.6. Непараметричний тест Гольдфельда-Квандта
- •5.7. Питання для самоперевірки
- •6. Автокореляція
- •6.1. Поняття автокореляції.
- •6.2. Критерій Дарбіна-Уотсона
- •6.3. Приклад 7. Дослідження моделі на наявність
- •6.4. Питання для самоперевірки
- •7. Індивідуальні комплексні завдання
- •Завдання 2
- •Завдання 3
- •Завдання 4
- •Завдання 5
- •Предметний покажчик
- •Література
- •Коефіцієнтів автокореляції залишків
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Значення критерія Пірсона
- •Квантилі розподілу Стьюдента
- •83050, М. Донецьк, вул. Щорса, 31.
- •83023, М. Донецьк, вул. Харитонова, 10
3.3. Перевірка значущості параметрів
рівняння регресії та коефіцієнта кореляції
В окремих випадках багатофакторної регресії можливі ситуації, коли рівняння регресії в цілому є статистично значущим за - критерієм, але параметри його не є статистично значущими. Тому виникає необхідність окремо перевірити статистичну значущість параметрів рівняння.
Перевірка значущості параметрів рівняння регресії здійснюється за допомогою - критерію Стьюдента.
Для оцінки значущості параметрів регресійної моделі і обчислення довірчих інтервалів обчислюється дисперсійно-коваріаційна матриця параметрів моделі
, (3.3.1)
де – незміщена оцінка дисперсії залишків;
. (3.3.2)
Якщо позначити елементи матриці
, , , (3.3.3)
тоді дисперсійно-коваріаційна матриця параметрів моделі матиме вигляд
. (3.3.4)
Обчислення значення -критерію Стьюдента для кожного параметра здійснюється за формулою
, . (3.3.5)
Знаменник цього відношення
(3.3.6)
називається стандартною похибкою оцінки параметра моделі.
Обчислене значення - критерію порівнюється з табличним при вибраному рівні значущості і ступенях свободи. Якщо
, (3.3.7)
то відповідна оцінка параметра економетричної моделі є статистично значущою.
На основі - критерію і стандартної похибки будуються довірчі інтервали для параметрів
. (3.3.8)
Звернемо увагу, що формула (3.3.7) аналогічна відповідній формулі (2.5.1) для парної регресії.
3.4. Прогноз залежної змінної
Економетричне моделювання зв’язку між економічними показниками складається, як зазначалося, з кількох етапів, одним з яких є прогнозування на основі моделі.
Точкове значення прогнозу отримаємо, якщо в модель підставимо очікувані значення пояснювальних змінних
, (3.4.1)
де - матриця - рядок пояснювальних змінних, – матриця-стовпець оцінок параметрів рівняння. Тоді
. (3.4.2)
Щоб знайти інтервальний прогноз необхідно знайти середню квадратичну похибку прогнозу, або, що те саме, середню квадратичну похибку .
У матричному вигляді дисперсія похибки прогнозу групової середньої має вигляд
, (3.4.3)
де визначається формулою (3.3.2),а обернена матриця вже обчислювалася при знаходженні параметрів моделі.
Середня квадратична похибка прогнозу групової середньої
. (3.4.4)
Довірчий інтервал для математичного сподівання прогнозних значень (інтервальна оцінка прогнозу )
,
(3.4.5)
де – критичне значення - критерію при ступенях свободи і рівні значущості .
Для визначення інтервального прогнозу індивідуального значення необхідно спочатку знайти відповідну стандартну похибку (середнє квадратичне відхилення прогнозу). Дисперсія індивідуального значення обчислюється за формулою
. (3.4.6)
Середня квадратична похибка
. (3.4.7)
В формулі (3.4.7) індекс означає “індивідуальне”.
Отже, інтервальний прогноз індивідуального значення визначається так
.
(3.4.8)
Нагадаємо, що точкові значення прогнозу для індивідуального значення і для математичного сподівання однакові, тобто і, щоб отримати їх, досить в рівняння регресії підставити очікуване значення факторних змінних.