Автор работы: Пользователь скрыл имя, 01 Декабря 2013 в 14:22, контрольная работа
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
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»
ХХХХХХХХХХХХХХХХХХХ
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. 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
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
Таблица 6.
Признак |
Среднее значение |
Среднее кв. отклонение |
Лин.коэф. |
|
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
=0,623180425;
=0,225305643.
ty=0,623180425tx1+0,225305643t
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 |