Задание 1 Построение однофакторных уравнений регрессии.
1.Построить уравнение парной регрессии в линейной форме, считая, что значения фактора y и значения фактора х задаются в таблице:
2.Провести дисперсионный анализ.
3. Оценить статистическую значимость уравнения.
4. Оценить статистическую значимость параметров регрессии.
5. Вычислить средний коэффициент Эластичности.
Линейная регрессия
Уравнение регрессии, будем искать в виде:
y=a+b*x(1)
где неизвестные параметры a и b находим согласно методу наименьших квадратов. Коэффициенты a и b выбираются таким образом, чтобы сумма квадратов отклонения эмпирических значений yiот значений y найденные по уравнению регрессии (1) было минимальным.
S=∑(a+b*x-y)2→min
a*n+b*∑x=∑y
a*∑x+b∑x2=∑y*x
Итого
a=(yср.*x2-(yx)ср.*xср.)/(x2)ср.-(x ср.)2
b=(yx)ср.-x ср.*y ср./(x2)ср.-(x ср.)2
Для расчёта параметров a и b линейной регрессии y=a+b*x решаем систему нормальных уравнений относительно a и b:
a*n+b*∑x=∑y
a*∑x+b∑x2=∑y*x
По исходным данным рассчитываем ∑y, ∑x, ∑y*x, ∑x2, ∑y2.
Рассчитаем параметры a и b:
a= (126,84*17431,72-16835,92*131,4)/(17431,72 -131,4^2)=-7,24253861
b= (16835,92-131,4*126,84)/(17431,72 -131,4^2)=1,020415058
Уравнение регрессии: Ŷ=-7,24253861+1,020415058*x
При увеличении фактора xна 1 единицу от своего среднего уровня, результативный показатель y увеличится на 1,020415058от своего среднего уровня.
Другими словами, при увеличении денежных расходов на душу населения на 1 единицу от своего среднего уровня, потребительские расходы на душу населения увеличиваются на 1,020415058 единиц от своего среднего уровня.
Рассчитаем линейный коэффициент парной корреляции:
rx*y=b*σx/σy=1,020415058*12,87478/13,30468=0,987443895
Связь умеренная, прямая.
Подставляя в уравнение регрессии фактические значения x, определим теоретические (расчётные) значения Ŷx.
Найдём величину средней ошибки аппроксимации A:
A=1/n*∑Ai=1*∑(|ŷ-у|)/y
*100%=1/25*0,314114983*100%=1,256459931%
В среднем расчётные значения отклоняются от фактических на 1,256459931%.
Рассчитаем F-критерий: Fрасч.=r2*(n-2)/1- r2
Fрасч.=0,9874438952*(25-2)/(1-0,987443895)=898,6754501
Fтабл.=4,24
Полученное значениеFрасч.>Fтабл.
Значит, модель считается статистически значимой.
Рассчитаем коэффициент эластичности:
Э=b*xср./yср.
Э=1,020415058* 131,4/126,84=1,0570998
Полученное значение коэффициента эластичности Э=1,0570998% показывает, что при увеличении фактора x на 1% от своего среднего значения, результативный показатель y увеличится на 1,0570998% от своего среднего значения.
Другими словами при увеличении денежных расходов на душу населения на 1% от своего среднего уровня, потребительские расходы на душу населения увеличиваются на 1,0570998% от своего среднего уровня.
Степенная регрессия
Уравнение регрессии, будем искать в виде:
y=a*xb
Построению степенной модели предшествует процедура линеаризации переменных. В примере линеаризация производится путём логарифмирования обеих частей уравнения:
lgy=lga+b*lgx;
Y=A+b*x,
Где Y= lgy, X=lgx, A= lga.
Где параметры a и b рассчитываем:
b=(Y*X)ср.-Yср.*Xср./(X2)ср.-(Xср.)2
a=Yср.* (X2) ср-(Y*X) ср*Xср/(X2)ср.-(Xср.)2
Для расчётов используем данные таблицы.
Рассчитаем параметры aи b:
a=2,100806321*4,481279271-4,448260122*2,116459231/4,481279271-2,116459231²=-0,139060872
b=4,448260122-2,100806321*2,116459231/4,481279271-2,1164592312=1,058308688
Получим линейное уравнение:Ŷ=-0,139060872+1,058308688*X
Полученный коэффициент регрессии b=1,058308688показывает, что при увеличении фактора x на 1 единицу от своего среднего уровня, результативный показатель y увеличится на 1,058308688от своего среднего уровня.
Другими словами, при увеличении денежных расходов на душу населения на 1 единицу от своего среднего уровня, потребительские расходы на душу населения увеличиваются на 1,058308688единиц от своего среднего уровня.
Рассчитаем линейный коэффициент парной корреляции:
rx*y=b*σx/σy=0,403606131* 0,007991/0,007919=0,407238956
Связь умеренная, прямая.
Подставляя в уравнение регрессии фактические значения x, определим теоретические (расчётные) значения Ŷx.
Найдём величину средней ошибки аппроксимации A:
A=1/n*∑Ai=1*∑│y- Ŷ │/y*100%=1/25*2849,843705*100%=11399,37482
В среднем расчётные значения отклоняются от фактических на 11399,37482%.
Рассчитаем F-критерий: Fфакт.=(r2*(n-2))/(1- r2)
Fфакт.= (0,4072389562*(25-2))/(1-0,4072389562)=4,572765852
Fтабл.=4,24
Полученное значениеFфакт.>Fтабл.
Значит, модель считается статистически значимой.
Рассчитаем коэффициент эластичности:
Э=b*xср./yср.
Э=0,403606131*2,934788357/2,916613288=0,40612123
Полученное значение коэффициента эластичности Э=0,40612123% показывает, что при увеличении фактора x на 1 % от своего среднего значения результативный показатель y уменьшится на 0,40612123% от своего среднего значения.
Другими словами при увеличении денежных расходов на душу населения на 1% от своего среднего уровня, потребительские расходы на душу населения увеличиваются на 0,40612123% от своего среднего уровня.
ВЫВОД ИТОГОВ |
|
|
|
|
|
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
|
|
Множественный R |
0,407238956 |
|
|
|
|
R-квадрат |
0,165843567 |
|
|
|
|
Нормированный R-квадрат |
0,129575896 |
|
|
|
|
Стандартная ошибка |
0,007540885 |
|
|
|
|
Наблюдения |
25 |
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
||
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
0,00026003 |
0,00026003 |
4,572765851 |
0,043332159 |
Остаток |
23 |
0,001307894 |
5,68649E-05 |
|
|
Итого |
24 |
0,001567924 |
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Y-пересечение |
1,732114714 |
0,55391952 |
3,127015119 |
0,004734244 |
0,586244883 |
Переменная X 1 |
0,403606131 |
0,188741878 |
2,13840264 |
0,043332159 |
0,013163808 |