Автор работы: Пользователь скрыл имя, 04 Апреля 2014 в 11:17, контрольная работа
Оценка статистической значимости
а) по критерию Фишера:
1. Выдвигаем нулевую гипотезу о статистической незначимости параметров регрессии и показателя корреляции а = b = rxy =0;
2. Фактическое значение критерия получено из функции ЛИНЕЙН
∑(ỹx-y)І/m rІxy0,61
Fфакт= = (n-2) = (13-2) = 1,56*11 = 17,2;
∑(y-ỹ)І /(n-m-1) 1-rІxy 1-0,61
1. Рассчитайте параметры уравнения линейной регрессии
2. Оцените тесноту связи с помощью показателей корреляции и детерминации
3. Определите среднюю ошибку аппроксимации. Сделайте выводы
4. Оцените статистическую надежность регрессионного моделирования с помощью F-критерия Фишера и t-критерия Стьюдента
5. Оцените полученные результаты, оформите выводы
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ИЖЕВСКАЯ ГОСУДАРСТВЕННАЯ СЕЛЬСКОХОЗЯЙСТВЕННАЯ АКАДЕМИЯ
Контрольная работа по эконометрике
Выполнила:__________
…..Проверила:__________
Ижевск 2013
ЗАДАЧА 1. ПАРНАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ
Вариант 4-1
1. Рассчитайте параметры
2. Оцените тесноту связи с
помощью показателей
3. Определите среднюю ошибку аппроксимации. Сделайте выводы
4. Оцените статистическую
5. Оцените полученные результаты, оформите выводы
№ набл. |
Район |
Средний размер назначенных ежемесячных пенсий, тыс.руб., y |
Прожиточный минимум в среднем на одного пенсионера в месяц, тыс.руб., x |
1 |
Брянская обл. |
240 |
178 |
2 |
Владимирская обл. |
226 |
202 |
3 |
Ивановская обл. |
221 |
197 |
4 |
Калужская обл. |
226 |
201 |
5 |
Костромская обл. |
220 |
189 |
6 |
г.Моска |
250 |
302 |
7 |
Москавская обл. |
237 |
215 |
8 |
Орловская обл. |
232 |
166 |
9 |
Рязанская обл. |
215 |
199 |
10 |
Смоленская обл. |
220 |
180 |
11 |
Тверская обл. |
222 |
181 |
12 |
Тульская обл. |
231 |
186 |
13 |
Ярославская обл. |
229 |
250 |
Fтабл.=4,84(α=0,05) |
=9,29 |
=34,75 |
1. Расчет параметров уравнения линейной регрессии по данным таблицы:
Решение:
1. Уравнение линейной регрессии имеет следующий вид:
№ наблюдения |
х |
y |
X2 |
X·Y |
yx |
y- yx |
Ai |
1 |
178 |
240 |
31684 |
42720 |
222,51 |
17,49 |
7,29 |
2 |
202 |
226 |
40804 |
45652 |
227,67 |
-1,67 |
0,74 |
3 |
197 |
221 |
38809 |
43537 |
226,59 |
-5,59 |
2,53 |
4 |
201 |
226 |
40401 |
45426 |
227,45 |
-1,45 |
0,64 |
5 |
189 |
220 |
35721 |
41580 |
224,87 |
-4,87 |
2,22 |
6 |
302 |
250 |
91204 |
75500 |
249,17 |
0,83 |
0,33 |
7 |
215 |
237 |
46225 |
50955 |
230,46 |
6,54 |
2,76 |
8 |
166 |
232 |
27556 |
38512 |
219,93 |
12,07 |
5,20 |
9 |
199 |
215 |
39601 |
42785 |
227,02 |
-12,02 |
5,59 |
10 |
180 |
220 |
32400 |
39600 |
222,94 |
-2,94 |
1,34 |
11 |
181 |
222 |
32761 |
40182 |
223,15 |
-1,15 |
0,52 |
12 |
186 |
231 |
34596 |
42966 |
224,23 |
6,77 |
2,93 |
13 |
250 |
229 |
62500 |
57250 |
237,99 |
-8,99 |
3,93 |
Сумма |
2646 |
2969 |
554262 |
606665 |
|||
Ср. значение |
203,54 |
228,38 |
42635,54 |
46666,54 |
2,77 |
Найдем b:
Тогда
Уравнение линейной регрессии имеет вид:
ŷx =184,239+0,215x
2. а) Рассчитываем коэффициент
по формуле:
rxy = b — = 0,21 =0,78
с помощью статистической функции КОРРЕЛ-r
=0,78
Связь между переменными x и y прямая, средняя, близкая к сильной, т.е. величина среднемесячной пенсии в значительной мере зависит от прожиточного минимума в среднем на одного пенсионера в месяц
б) Для определения средней ошибки аппроксимации рассчитываем столбцы
yx , y- yx , Ai :
Ai = y- yx * 100, А = 1/n∑ni=1 Ai
Получаем значение средней ошибки аппроксимации
А = 2,77%
Величина ошибки аппроксимации говорит о хорошем качестве модели.
в) Величина коэффициента детерминации получена с помощью функции
ЛИНЕЙН R2 = rxy2 = 0,61,
то есть в 61% случаев изменения среднемесячного прожиточного минимума на одного пенсионера приводят к изменению среднемесячной пенсии. Другими словами – точность подбора регрессии 61 % - средняя.
3. Оценка статистической
а) по критерию Фишера:
1. Выдвигаем нулевую гипотезу о статистической незначимости параметров регрессии и показателя корреляции а = b = rxy =0;
2. Фактическое значение критерия получено из функции ЛИНЕЙН
∑(ỹx-y)І/m rІxy0,61
Fфакт= = (n-2) = (13-2) = 1,56*11 = 17,2;
∑(y-ỹ)І /(n-m-1) 1-rІxy 1-0,61
3. Fтабл =4,84
4. Сравниваем фактическое и
б) по критерию Стьюдента:
1. Выдвигаем гипотезу о
2. Табличное значение t – критерия зависит от числа степеней свободы и заданного уровня значимости α. Уровень значимости – это вероятность отвергнуть правильную гипотезу.
rxy √(n-m)
t=
√(1- r2xy)
Где n – количество наблюдений; m – количество факторов.
t= 0,78√(13-2)= 2,59=4,18
√(1-0,61)0,62
3. Фактические значения t-критерия
рассчитываются отдельно для
каждого параметра модели. С этой
целью сначала определяются
mа=Sост √∑х2 = 1,65;
mb= Sост = 0,004
nσх σх√n
mrxy= √(1- r2xy) = 0,062
n-m-1
где Sост=√(∑ (y- yx ) ) = 5 = 0,5
n-m-110
Рассчитываем фактические значения t – критерия:
tфа =a/ mа =111,66
tфb =b/ mb =53,75
tфrxy= rxy/mrxy = 12,58
tфа>tтабл ; tфb>tтабл ; tфrxy >tтабл . Нулевую
гипотезу отклоняем , параметры a, b, rxy -
не случайно отличаются от нуля и являются
статистически значимыми и надежными.
ЗАДАЧА 2. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ
По данным газеты «Из рук в руки» собрать данные о стоимости квартир на вторичном рынке г.Ижевска за определенный период. Выборка должна содержать не менее 60 наблюдений. В качестве факторов, влияющих на стоимость квартиры взять: число комнат в квартире, общую площадь квартиры, жилую площадь квартиры, площадь кухни, район города (центральный - 0, отдаленный - 1), тип дома (кирпичный – 1, другой - 0). Построить уравнение регрессии, характеризующее зависимость цены от всех факторов. Оценить экономический смысл и значимость полученного уравнения.
Y – цена квартиры, тыс.дол.
X1 – общая площадь квартиры, кв. м.
X2 – число комнат в квартире
X3 – жилая площадь квартиры, кв.м.
X4 – площадь кухни, кв.м.
В задаче использовались выборка о ценах на квартиры в городе Ижевск
С помощью функции Регрессия мы получили таблицы:
Регрессионная статистика | |
Множественный R |
0,961657 |
R - квадрат |
0,924784 |
Нормативный R - квадрат |
0,919314 |
Стандартная ошибка |
434,0617 |
Наблюдения |
60 |
Дисперсионный анализ | |||||
df |
SS |
MS |
F |
F | |
Регрессия |
4 |
1,27E+08 |
31851979 |
169,0572 |
3,32E - 30 |
Остаток |
55 |
10362524 |
188409,5 |
Коэффициенты |
Стандартная ошибка |
t - статистика |
Р - значение |
Нижние 95% |
Верхние 95% | |
Y - пересечение |
- 852,34 |
204,65 |
-4,16 |
0,00 |
- 1262,46 |
- 442,22 |
Перепенная X1 |
77,96 |
15,36 |
5,07 |
0,00 |
47,17 |
108,74 |
Переменная X2 |
- 743,19 |
160,20 |
-4,64 |
0,00 |
- 1064,25 |
-422,14 |
Переменная X3 |
25,75 |
26,71 |
0,96 |
0,34 |
-27,77 |
79,27 |
Переменная X4 |
- 0,13 |
33,86 |
0,00 |
1,00 |
- 67,98 |
67,73 |
Запишем множественное линейное уравнение регрессии:
y= - 852,34 + 77,96х1 – 743,19х2 + 25,75х3 – 0,13х4
Из полученного уравнения можно сделать следующие выводы:
При увеличение общей площади квартиры цена квартиры увеличивается на 77,96 тыс.бублей
При увеличении числа комнат в квартире цена квартиры уменьшается на 743,19тыс.рублей
При увеличение жилой площади квартиры цена квартиры увеличивается на 25,75 тыс.рублей
При увеличение площади кухни цена квартиры уменьшается на 0,13 тыс.рублей
R = 0,96 – коэффициент корреляции близок к 1, поэтому можно говорить о тесной связи между изучаемыми переменными.
R2 = 0,92 – коэффициент тоже высок, и означает высокую точность подбора регрессионного уравнения, что в 93 случаях из 100 изменения переменных х приводит к изменению цены квартиры.