
- •І модели рядов динамики
- •1.1. Нахождение моделей
- •1.2. Оценка моделей
- •2 Автокорреляция данных и остатков
- •2.1. Автокорреляция данных
- •Расчет коэффициента автокорреляции
- •2.2. Автокорреляция остатков
- •Расчет d-статистики
- •С помощью формулы (7) рассчитываем d – статистику:
- •3 Множественная регрессия
- •3.1. Классический подход
- •Расчет элементов коэффициента
- •Коэффициенты эластичности результативного показателя по факторам определяются по формуле (18)
- •3.2. Матричный подход
- •3.3. Расчеты с использованием пк
- •Вывод итогов
- •4 Мультиколлинеарность
- •5 Ранговая корреляция
- •5.1. Экспертное оценивание
- •5.2. Этапы работ в системе экспертных оценок
- •5.3. Метод ранговой корреляции
- •Вспомогательные расчеты
- •Б) Случай многих экспертов
- •6 Сетевое планирование
- •7. Компьютерная поддержка расчетов в пакете Excel
- •Использование опции Мастер функций
- •7.2. Использование опции Мастер диаграмм
- •7.3. Использование пакета Анализ данных
- •Литература
- •Коэффициентов автокорреляции
- •Критические значения и для коэффициента автокорреляции критерия Дарбина-Уотсона для
- •Критические значения и для коэффициента автокорреляции критерия Дарбина-Уотсона для
- •Значение критерия Пирсона
- •Квантили распределения Стьюдента
- •Содержание
- •Навчальний посібник
- •83050, М. Донецьк, вул. Щорса, 31. Тел.: (062) 337-93-61
С помощью формулы (7) рассчитываем d – статистику:
Вычисленное
значение d
сравнивается с интервалами, найденными
в соответствии со значениями
и
(приложение 2). Здесь п
– количество наблюдений, т
– число факторов,
– уровень значимости. В нашем случае
критические значения статистики
Дарбина-Уотсона при 5%-ном уровне
значимости, то есть при
=0,05,
равняются:
и
.
Таблица 8
Расчет интервалов
Принимаем гипотезу о существовании положительной автокорреляции |
Зона неопре-делен-ности |
Принимаем гипотезу об отсутствии автокорреляции |
Зона неопре-делен-ности |
Принимаем гипотезу о существовании отрицательной автокорреляции |
0
|
|
|
|
|
0 0,88 |
|
1,32 2,68 |
|
3,12 4 |
Из таблицы 8 видим, что d - статистика удовлетворяет неравенству:
1,32 < 2,136 < 2,68,
значит принимаем гипотезу об отсутствии автокорреляции остатков.
Замечание.
Если
значение d-статистики
удовлетворяет неравенствам
или
,
то при выбранном уровне значимости не
возможно сделать вывод о наличии или
об отсутствии автокорреляции остатков,
необходимо дальнейшее исследование.
3 Множественная регрессия
3.1. Классический подход
Каждое явление в природе, экономике, общественной жизни, технике определяется комплексом причин. На уровень развития одного показателя могут влиять много факторов. Уровень влияния факторов на показатель может существенно различаться. Все эти закономерности следует учитывать во время проведения эконометрического анализа, прогнозирования и планирования.
При
существовании линейной зависимости
объясняемой переменной (показателя)
от нескольких объясняющих переменных
(факторов)
общее выражение уравнения множественной
регрессии имеет вид:
,
(8)
Здесь
через
обозначены теоретические значения
показателя, рассчитываемые по модели
(8).
Модель
описывает совместное одновременное
влияние факторов на показатель. Задача
исследования состоит в оценке параметров
регрессии
по результатам выборочных наблюдений
над переменными, которые включены в
модель. Построение модели проводят
методом наименьших квадратов.
Пример 4.
Построить
эконометрическую модель, которая
характеризует зависимость между
затратами на питание
(условные денежные единицы), общими
затратами
(условные денежные единицы) и платой за
обучение семьи
(условные денежные единицы) на основе
данных, которые приведены в таблице.
|
22 |
30 |
45 |
62 |
48 |
64 |
76 |
108 |
65 |
90 |
|
45 |
72 |
131 |
228 |
90 |
145 |
225 |
357 |
136 |
218 |
|
1,7 |
1,9 |
2 |
3,4 |
3 |
3,6 |
4,7 |
5,2 |
4,9 |
5 |
Решение. Используем линейную двухфакторную модель
,
(9)
В
соответствии с методом наименьших
квадратов параметры
ищут как решение системы линейных
уравнений следующего вида
(10)
Вспомогательные вычисления удобно проводить в таблице:
Таблица 9
Расчет элементов системы (10)
|
|
|
|
|
|
|
|
45 |
1,7 |
22 |
2025 |
2,89 |
76,5 |
990 |
37,4 |
72 |
1,9 |
30 |
5184 |
3,61 |
136,8 |
2160 |
57 |
131 |
2 |
45 |
17161 |
4 |
262 |
5895 |
90 |
228 |
3,4 |
62 |
51984 |
11,56 |
775,2 |
14136 |
210,8 |
90 |
3 |
48 |
8100 |
9 |
270 |
4320 |
144 |
145 |
3,6 |
64 |
21025 |
12,96 |
522 |
9280 |
230,4 |
225 |
4,7 |
76 |
50625 |
22,09 |
1057,5 |
17100 |
357,2 |
357 |
5,2 |
108 |
127449 |
27,04 |
1856,4 |
38556 |
561,6 |
136 |
4,9 |
65 |
18496 |
24,01 |
666,4 |
8840 |
318,5 |
218 |
5 |
90 |
47524 |
25 |
1090 |
19620 |
450 |
|
35,4 |
610 |
349573 |
142,16 |
6712,8 |
120897 |
2456,9 |
В последней строке записывают суммы чисел в столбце. Можно найти средние для каждого показателя по формулам (11)-(13)
;
(11)
;
(12)
.
(13)
Система (10) для определения параметров регрессии имеет вид:
Из
первого уравнения можно выразить
и подставить во второе и третье уравнения:
Тогда уравнение регрессии (9) имеет вид
.
(14)
Важным
этапом регрессионного анализа является
оценка практической значимости
построенной модели. Проверку значимости
модели проводят на основании показателей
тесноты связи между признаками
и
с помощью множественного
коэффициента корреляции
,
который выявляет зависимость между
фактическими и теоретическими значениями
объясняемой переменной. Его вычисляют
по формуле (15)
(15)
Для вычисления множественного коэффициента корреляции целесообразно рассчитать вспомогательную таблицу:
Таблица 10