![](/user_photo/1409_eZHEC.jpg)
- •Кафедра математической экономики
- •Методические указания
- •ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ
- •ОПИСАНИЕ ИСХОДНОГО НАБОРА ДАННЫХ
- •Минимальные требования
- •Описание данных в примере
- •ПРЕДВАРИТЕЛЬНЫЕ ГИПОТЕЗЫ
- •ДОМАШНЯЯ РАБОТА «ПОСТРОЕНИЕ ЛИНЕЙНОЙ РЕГРЕССИОННОЙ МОДЕЛИ»
- •Разведочный анализ данных
- •Теоретические основания
- •Анализ диаграмм рассеяния
- •Анализ значимости оценок коэффициентов корреляции Пирсона
- •Интерпретация результатов
- •Построение линейной регрессионной модели
- •Числовые характеристики для сравнения линейных регрессионных моделей
- •Нечисловые методы сравнения моделей. Нормальная кривая
- •Нарушение основных предположений регрессионного анализа
- •Анализ наличия мультиколлинеарности
- •Корреляция случайных составляющих. Критерий Дарбина – Уотсона.
- •Гетероскедастичность. Критерий Уайта.
- •Минимальные требования
- •Организация вычислений
- •Модель №1
- •Модель №2
- •Модель №3
- •Модель №4
- •ДОМАШНЯЯ РАБОТА «УСОВЕРШЕНСТВОВАНИЕ ЛИНЕЙНОЙ РЕГРЕССИОННОЙ МОДЕЛИ. ОРГАНИЗАЦИЯ ПРОГНОЗИРОВАНИЯ»
- •Критерий Чоу
- •Вариант на основе критерия Вальда
- •Вариант на основе нормальной гипотезы
- •Минимальные требования
- •Минимальные требования
- •Минимальные требования
- •Критерий Чоу
- •Обнаружение выбросов
- •Построение доверительного интервала для нового значения зависимой переменной
- •Приложение
- •Пример модели с использованием взаимодействия.
- •Пример значимого влияния фиктивной переменной
ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ
В ходе выполнения домашних работ «Построение линейной регрессионной модели» и «Проверка гипотез для линейных регрессионных моделей» студент должен продемонстрировать навык владения основными инструментами регрессионного анализа и интерпретации результатов их использования в процессе построения линейной регрессионной модели. Поскольку оценка качества регрессионных моделей носит экспертный характер и зависит от цели построения модели, не ставиться задача «построения наилучшей модели». Проверка значимости полученных оценок осуществляется на 5% уровне, т.е. p- уровень для значимой оценки должен быть менее 0.05. На практике может быть выбрана другая величина уровня в зависимости от конкретной ситуации.
Все примеры в данном пособии реализованы в базовом пакете EViews v 5.0 с использованием его основных функциональных свойств и не предполагают написания макросов. Тем не менее, при желании студент может воспользоваться данной возможностью и автоматизировать проведение расчетов. Кроме того, по соглашению с преподавателем студент может выполнить все расчеты с использованием иного ПО. Не рекомендуется в процессе работы использовать языки программирования типа ‘C’, ‘Pascal’ и т.д., которые предполагают элементы системного программирования.
Жирным шрифтом в тексте приведены варианты реализации тех или иных расчетов в EViews. Студент может выбрать тот метод реализации расчетов, который считает наиболее удобным.
Для каждого этапа выполнения работ в пособии сформулированы минимальные требования, выполнение которых строго обязательно для получения зачета. Все остальные расчеты являются дополнительными, и их реализация является основанием для получения дополнительных баллов.
ОПИСАНИЕ ИСХОДНОГО НАБОРА ДАННЫХ
Минимальные требования
В анализ должны быть включены одна зависимая и три независимые переменные, две из которых являются относительными или интервальными, а одна – номинальной или относительной с двумя уровнями.
Описание данных в примере
Данные взяты из «Ведомости к плану племенной работы со стадом крупного рогатого скота» Академии Ветеринарной медицины и биотехнологии им. К. И. Скрябина, 1998 г.
К анализу представлены 200 наблюдений над следующими переменными: Порода (race) – индикатор породности коровы, принимающий значение 1, если корова чистопородная и 2 – в остальных случаях (119 наблюдений относятся к первой группе, остальные – ко второй). Рекомендуется, организовать наблюдения так, что бы в каждой подвыборке было не менее 30%
наблюдений.
Удой (yield) – удой коровы в литрах за выбранный период времени