Парная и множественная регрессии

Автор работы: Пользователь скрыл имя, 01 Декабря 2013 в 14:22, контрольная работа

Краткое описание

Но – гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность, т. к. .
Оценку статистической значимости параметров регрессии проведем с помощью t- статистики Стьдента и путем расчета доверительного интервала каждого из показателей.
Выдвинем гипотезу Но о статистически незначимом отличии показателей от нуля: а=b=rxy=0

Прикрепленные файлы: 1 файл

ЭКОНОМЕТРИКА 1 вариант.docx

— 133.33 Кб (Скачать документ)

 

Министерство образования  и науки РФ

Федеральное государственное бюджетное образовательное учреждение

Высшего профессионального  образования

«Псковский государственный  университет»

 

 

Финансово-экономический  факультет

 

 

 

Расчетно–графическая работа

«Парная и множественная регрессии»

 

 

                                                             Выполнила студентка группы ХХХХХХ

   ХХХХХХХХХХХХХХХХХХХ

                                                             Руководитель: Волкова Ольга Алексеевна

 

 

 

 

 

 

Псков

2012

1. Парная регрессия и корреляция.

Таблица 1.

 

Центральный Федеральный округ

Средняя пенсия, руб., Y

Прожиточный минимум, руб., X

1

Белгородская область

5856,0

4172

2

Брянская область

5785,6

4311

3

Владимирская область

6048,3

4973

4

Воронежская область

5730,9

4924

5

Ивановская область

5912,8

4642

6

Калужская область

6077,4

4583

7

Костромская область

5852,6

4789

8

Курская область

5568,7

4493

9

Липецкая область

5776,0

4563

10

Московская область

6496,0

5850

11

Орловская область

5938,4

4145

12

Рязанская область

5830,4

4868

13

Смоленская область

5846,1

4977

14

Тамбовская область

5567,2

3805

15

Тверская область

5989,2

4968

16

Тульская область

6026,1

4752

17

Ярославская область

6160,7

5113

18

г. Москва

6578,5

7406


 

По исходным данным построим поле корреляции.

Рис.1. Корреляционное поле районов  Центрального Федерального округа по  величине средней пенсии и прожиточного минимума за 2009 год.

Точки на графике расположены  упорядоченно, т. е. через них можно  провести гипотетическую прямую, а  значит, связь рассматривается.

Для характеристики зависимости  средней пенсии от прожиточного минимума в Центральном Федеральном округе необходимо рассчитать параметры следующих функций:

  1. линейной;
  2. степенной;
  3. показательной;
  4. равносторонней гиперболы.

1. Для расчета параметров a и b линейной регрессии y=a+b*x решаем систему нормальных уравнений относительно a и b:


 

 

По исходным данным рассчитаем ; ; ; ; (см. табл. 2).

 

 

Уравнение регрессии

С увеличением прожиточного минимума на 1 руб. средняя пенсия увеличивается на 0,28 %-ых пункта.

Рассчитаем линейный коэффициент  парной корреляции:

 

Связь сильная, прямая.

Определим коэффициент детерминации:

 

Вариация результата на % объясняется вариацией фактора Х.

 

 

Таблица 2.

 

 

Подставляя в уравнение  регрессии фактические значения Х, определим теоретические (расчетные) значения . Найдем величину средней ошибки аппроксимации .

 

В среднем расчетные значения отклоняются от фактических на 2,08%.

Рассчитаем F-критерий:

 

 

Но – гипотеза о случайной  природе оцениваемых характеристик  отклоняется и признается их статистическая значимость и надежность, т. к. .

Оценку статистической значимости параметров регрессии проведем с  помощью t- статистики Стьдента и путем расчета доверительного интервала каждого из показателей.

Выдвинем гипотезу Но о статистически незначимом отличии показателей от нуля: а=b=rxy=0

tтабл для числа степеней свободы df=n-2=18-2=16 и α=0,05 составит 2,1199.

Определим случайные ошибки ma, mb, mrxy:

= 239,1152;

= 0,048693;

= 0,142115.

Тогда =19,1499, .

Фактические значения t-статистики во всех случаях превосходят табличные значения

19,1499> tтабл =2,1199; ˃ tтабл =2,1199;

˃ tтабл =2,1199.

поэтому гипотеза Но отклоняется, т.е. а, b и rxy не случайно отличаются от нуля, а статистически значимы.

Рассчитаем доверительный  интервал для а и b. Для этого определим предельную ошибку для каждого показателя: tтабл*; tтабл*.

Рассчитаем доверительные  интервалы: ; 4072,132; 5085,932; ; 0,178663; 0,385111. Параметр а не принимается нулевым, т.к. ; ˃0.

 

2. Построению степенной  модели  предшествует процедура линеаризации переменных. Линеаризация производится путем логарифмирования обеих частей уравнения:

 

 

где .

Для расчетов используем данные таблицы 3.

Рассчитаем С и b

 

 

Получим линейное уравнение: .

Выполнив его потенцирование, получим .

Рассчитаем показатели: тесноты  связи – индекс корреляции и среднюю ошибку аппроксимации.

 

Таблица 3.

 
 

 

 

Характеристики степенной  модели указывают, что она несколько  лучше линейной функции описывает взаимосвязь

 

3. Построению уравнения показательной кривой предшествует процедура линеаризации переменных при логарифмировании обеих частей уравнения:

 

 

где .

Для расчетов используем данные таблицы 4.

Значения параметров регрессии А и В составили:

 

 

Получим линейное уравнение:

Выполнив его потенцирование, получим .

Тесноту связи оценим через  индекс корреляции .

.

Связь сильная.

По уравнению  показательной функции получена наибольшая оценка связи: . Средняя ошибка аппроксимации остается на допустимом уровне.

 

 

Таблица 4.

 

 

4. Уравнение равносторонней гиперболы линеаризуется при замене: . Тогда .

Для расчетов используем таблицу 5.

Значение параметров регрессии а и b составили:

 

 

Получено уравнение: .

Индекс корреляции: . Средняя ошибка аппроксимации: По уравнению равносторонней гиперболы получена наименьшая оценка тесноты связи.

 

Таблица 5.

 

2. Множественная регрессия и корреляция.

Множественная регрессия  – уравнение связи с несколькими  независимыми переменными: ,.

Таблица 6.

Признак

Среднее значение

Среднее кв.

отклонение

Лин.коэф. 
парной корреляции

 

Y, средняя пенсия, руб.

5946,716667

0,259564

-

 

Х1, прожиточный минимум, руб.

4851,888889

757,5609

0,822712

ryx1

Х2, численность пенсионеров, тыс. чел.

593,4444444

588,3808

0,7771966

ryx2

     

0,8856039

rx1x2


Таблица 6 построена на основании  расчетов таблицы 7.

Линейное уравнение множественной  регрессии у от х1 и х2 имеет вид: у=a+b1*x1+b2*x2. Для расчета его параметров применим метод стандартизации переменных и построим искомое уравнение в стандартизованном масштабе: ty=ß1*tx1+ß2*tx2.

=0,623180425;

=0,225305643.

ty=0,623180425tx1+0,225305643tx2.

Для построения уравнения  в естественной форме рассчитаем b1 и b2, используя формулы для перехода от ßi к bi:

 

b1=0,000213521; b2=9,93936

Значение а определим из соотношения

 

Для характеристики относительной  силы влияния x1 и x2 на у рассчитаем средние коэффициенты эластичности:

 

 

 

С увеличением среднего прожиточного минимума х1 на 1% от средней пенсии возрастает на 0,17% от своего среднего уровня; при повышении численности пенсионеров х2 на 1% средняя пенсия увеличивается на 0,009% от своего среднего уровня. Очевидно, что сила влияния средней платы оказалась больше, чем сила влияния численности пенсионеров. К аналогичным выводам о силе связи приходим при сравнении модулей значений и

|0,623180425| > = |0,225305643|.

Линейные коэффициенты частной  корреляции здесь рассчитываются по рекуррентной формуле:

= 0,459956

= 0,184079

= 0,82934

Если сравнить значения коэффициентов  парной и частной корреляции, то приходим к выводу, что из-за сильной  факторной связи (0,83) коэффициенты парной и частной корреляции значительно отличаются: выводы о тесноте и направлении связи на основе коэффициентов парной и частной корреляции совпадают:

0,822712; 0,7771966; 0,8856039

0,459956; = 0,184079; 0,82934.

Расчет линейного коэффициента множественной корреляции выполним с использованием формулы:

=0, 526314455.

Зависимость у от х1 и х2 характеризуется как тесная, в которой 47% вариации средней пенсии определяется вариацией учтенных в модели факторов: уровнями прожиточного минимума и численностью пенсионеров. Прочие факторы, не включенные в модель, составляют соответственно 53% от общей вариации у.

Общий F-критерий проверяет гипотезу Но о статистической значимости уравнения регрессии и показателя тесноты связи (R²):

= 16,52343; 3,68; α=0,05

Сравнивая Fтабл и Fфакт, приходим к выводу о статистической значимости уравнения регрессии с вероятностью 0,95, т.к. > .

Частные F-критерии – Fx1 и Fx2 оценивают статистическую значимость присутствия факторов х1 и х2 в уравнении множественной регрессии, оценивают целесообразность включения в уравнение одного фактора после другого, т.е.  оценивает целесообразность включения в уравнение фактора х1 после того, как в него был включен фактор х2. Соответственно  указывает на целесообразность включения в модель фактора х2 после фактора х1:

=4,024893

3,68; α=0,05.

Сравнивая Fтабл и Fфакт, приходим к выводу о целесообразности включения в модель фактора х1 после фактора х2. Данное утверждение проверяется:

=0,526103 

Таблица 7

 

Район Южного ФО

Прожиточный минимум, руб.

Средняя заработная плата, руб.

Число собственных легковых автомобилей  на душу населения

             
   

х1

х2

у

Y

х1^2

x2^2

Y^2

yx1

yx2

x1x2

1

Республика Адыгея

4393

11547,6

233,8

0,2338

19298449

133347066

0,054662

1027,0834

2699,829

50728607

2

Республика Дагестан

4066

9125,3

104

0,104

16532356

83271100,1

0,010816

422,864

949,0312

37103470

3

Республика Ингушетия

4439

10957,6

77,3

0,0773

19704721

120068998

0,005975

343,1347

847,0225

48640786

4

Кабардино-Балкарская Республика

3847

10777,4

146,3

0,1463

14799409

116152351

0,021404

562,8161

1576,734

41460658

5

Республика Калмыкия

4311

10848,7

169,4

0,1694

18584721

117694292

0,028696

730,2834

1837,77

46768746

6

Карачаево-Черкесская Республика

4119

10477,1

184

0,184

16966161

109769624

0,033856

757,896

1927,786

43155175

7

Республика Северная  Осетия-Алания

3895

10831,5

188,1

0,1881

15171025

117321392

0,035382

732,6495

2037,405

42188693

8

Чеченская Республика

4898

13254,9

92

0,092

23990404

175692374

0,008464

450,616

1219,451

64922500

9

Краснодарский край

5253

14953,2

243,7

0,2437

27594009

223598190

0,05939

1280,1561

3644,095

78549160

10

Ставропольский край

4820

12647,2

212,2

0,2122

23232400

159951668

0,045029

1022,804

2683,736

60959504

11

Астраханская область

4598

14095,7

209

0,209

21141604

198688758

0,043681

960,982

2946,001

64812029

12

Волгоградская область

4647

13256,5

194,4

0,1944

21594609

175734792

0,037791

903,3768

2577,064

61602956

13

Ростовская область

4744

13882,5

222,3

0,2223

22505536

192723806

0,049417

1054,5912

3086,08

65858580

 

ср. значение

4463,846154

12050,4

 

0,175115385

20085800

148001109

0,033428

788,4040923

2156,308

54365451

Информация о работе Парная и множественная регрессии