§ 2. Регрессионный анализ. Сведения из теории.
Парная регрессия:
.
,
.
Случайный вектор ошибок:
,
необъясненная
часть дисперсии,
.
.
Объясненная часть дисперсии
Вся
дисперсия:
– коэффициент
детерминации (доля объясненной дисперсии).
Вывод: чтобы
подсчитать эти величины нужно знать
следующие суммы:
,
,
,
,
.
Дисперсия ошибок:
,
.
Проверка гипотезы:
,
где – уровень значимости, – объем выборки.
Доверительный интервал с вероятностью
,
где
.
Проверка гипотезы:
.
Множественная регрессия
Спецификация модели:
Проверка гипотезы:
,
,
где – уровень значимости,
–
-тый
диагональный элемент матрицы
.
Доверительный интервал с вероятностью :
Средний коэффициент эластичности:
показывает на
сколько процентов в среднем изменяется
результат
от своей средней величины при изменении
фактора
на
от своего среднего значения.
Средняя ошибка аппроксимации:
.
Задачи по регрессионному анализу.
Задача 1.
По данным отчетов 10 машиностроительных
предприятий провести регрессионный
анализ зависимости производительности
труда
(тыс.руб.на человека) от объема производства
(млн.руб.). Предполагается линейная
модель
.
Уровень значимости
.
Исходная информация для расчетов:
Решение :
,
.
Тогда вектор оценок коэффициентов регрессии равен:
,
а оценка уравнения регрессии будет
иметь вид:
Перейдем к статистическому анализу полученного уравнения регрессии:
Несмещенная оценка дисперсии ошибок:
,
,
.
Найдем оценку ковариационной матрицы вектора
:
.
Отсюда получаем несмещенные оценки дисперсий и среднеквадратичных отклонений коэффициентов регрессии.
На уровне значимости проверим гипотезу:
уравнение является
значимым.
,
справедлива
;
– значимо отличен от нуля.
Доверительные интервалы:
Из уравнения
регрессии следует, что при увеличении
объема производства
на
рублей производительность труда
возрастет на
тыс. рублей на 1 человека.
Коэффициент эластичности:
Коэффициент
эластичности показывает, что при
увеличении объема производства на
производительность труда вырастет на
процента.
,
то есть
вариации производительности труда
объясняется показателем
,
оставшаяся часть обусловлена воздействием
неучтенных факторов.
Задача 2.
На основании данных о темпах прироста
внутреннего национального продукта
и промышленного производства
в 10 разных странах мира за 1992 г. и в
предположении, что
:
определитель
оценки коэффициентов уравнения регрессии
,
,
и
.
при проверить значимость уравнения регрессии.
при проверить значимость коэффициентов уравнения.
при
построить интервальные оценки для
,
.
провести экономический
анализ.
Уровень значимости . Исходная информация для расчетов:
-
Страна
Япония
3.5
4.3
США
3.1
4.6
Германия
2.2
2.0
Франция
2.7
3.1
Англия
1.6
1.4
Канада
3.1
3.4
Австралия
1.8
2.6
Бельгия
2.3
2.6
Италия
2.7
3.0
Нидерланды
2.3
2.4
Задача 3.
Для 13 клиентов магазина зафиксирована
сумма покупки
(доллары) и время разговора с продавцом
(минуты). Уровень значимости
.
Провести регрессионный анализ.
Исходная информация для расчетов:
При расчете
брать 6 знаков после запятой.
Задача 4. Менеджер новой чебуречной не уверен в правильности выбранной цены на чебуреки. Поэтому в течение 12 недель он изменяет цену и записывает количество проданных чебуреков. Полученные данные приведены в таблице. Здесь
– номер недели,
– количество
проданных чебуреков,
– цена 1 чебурека в рублях.
-
1
12.3
715
2
11.5
915
3
11
915
4
12
892
5
13.5
582
6
12.5
644
7
12.8
714
8
9.9
1180
9
12.2
851
10
12.5
779
11
13.0
625
12
10.5
1001
Требуется :
оценить параметры
модели:
.
провести статистический анализ.
найти оптимальную (в смысле максимума выручки от продаж) цену чебурека.
Пример 2.
Зависимая переменная
в регрессии
разбивается на 2 компоненты
Обозначим МНК оценки:
Доказать, что для МНК оценок выполняется равенство:
.
Задача 5. По группе предприятий, производящих однородную продукцию, известно, как зависит себестоимость продукции от факторов приведенных в таблице
-
Факторы
Уравнение парной регрессии
Средние
Объем производства, (млн.руб.)
Трудоемкость единицы продукции, (чел.час)
Оптовая цена за 1 тонну энергоносителя, (млн.руб.)
Доля прибыли, изымаемая государством,
Определить с помощью коэффициентов эластичности силу влияния каждого фактора на результат.
Ранжировать факторы по силе влияния. Считаем, что
.
Задача 6.
Изучается зависимость потребления
материалов
от объема производства продукции
.
По 20 наблюдениям были получены следующие
варианты уравнения регрессии:
В скобках указаны фактические значения -критерия.
Требуется:
Определить коэффициент детерминации для первого уравнения;
Определить коэффициент эластичности для каждого из уравнений;
Выбрать наилучший вариант уравнения регрессии.
Задача 7.
Зависимость среднемесячной
производительности труда от возраста
рабочих характеризуется моделью:
.
Ее использование привело к результатам:
-
Производительность труда (тыс.руб.)
(фактическая)
(расчетная)1
12
10
2
8
10
3
13
13
4
15
14
5
16
15
6
11
12
7
12
13
8
9
10
9
11
10
10
9
9
Определить качество модели, посчитав:
ошибку аппроксимации
.
индекс корреляции
.
применить
критерий Фишера.
Задача 8.
Моделирование прибыли фирмы по уравнению
привело к результатам:
-
Прибыль фирмы (тыс.руб)
фактическая
расчетная
1
10
11
2
12
11
3
15
17
4
17
15
5
18
20
6
11
11
7
13
14
8
19
16
Определить качество модели. Для этого:
определить ошибку аппроксимации;
найти показатель тесноты связи прибыли с исследуемыми в модели факторами;
рассчитайте критерий Фишера;
сделайте выводы.
Задача 9. Кривая Филипса описывает связь темпа роста зарплаты и уровня безработицы.
,
где
– количество безработных
,
,
– уровень зарплаты.
Теория предполагает,
что
.
-
1
1.62
1.0
2
1.65
1.4
3
1.79
1.1
4
1.94
1.5
5
2.03
1.5
6
2.12
1.2
7
2.26
1.0
8
2.44
1.1
9
2.57
1.3
10
2.66
1.8
11
2.73
1.9
12
2.80
1.5
13
2.92
1.4
14
3.02
1.8
15
3.13
1.1
16
3.28
1.5
17
3.43
1.3
18
3.58
1.4
Используя данные из таблицы, ответьте на вопросы:
Найдите оценки коэффициентов уравнения и проверьте
на значимость;Найдите «естественный уровень» безработицы, то есть такой уровень, при котором
;Когда изменение в уровне безработицы оказало наибольшее (наименьшее) влияние на темп изменения зарплаты;
Найдите
доверительный интервал для
и
.
Решение
Имеем
Заметим, что
коэффициент при
статистически значим, а свободный член
не отличается достоверно от нуля.
Уравнение показывает, что при увеличении
уровня безработицы
темп роста заработной платы уменьшается.
Знаки обоих коэффициентов находятся в
соответствии с теорией.
Для того, чтобы найти «естественный уровень безработицы» решим уравнение
,
.
изменение в уровне
безработицы указывает наибольшее
(наименьшее) влияние.
На темп изменения заработанной платы когда уровень безработицы был наименьшим (наибольшим), то есть в 1 или 7 (11) год.
.
Задача 10. Для изучения рынка жилья в городе по данным о 46 коттеджах было построено уравнение регрессии
.
где – цена объектов (тыс.долларов),
– расстояние до
центра города (км),
– полезная площадь
объекта (м),
– число этажей в
доме (ед.),
– коэффициент
множественной детерминации.
В скобках указания стандартных ошибок для коэффициентов множественной регрессии.
Требуется:
проверить значимость коэффициентов регрессии при . Построить доверительные интервалы для значимых коэффициентов.
проверить на уровне гипотезу о значимости уравнения регрессии.
определить на сколько
в среднем изменяется цена объекта
,
если расстояние до центра города
увеличится на
.
Считать
.
Задача 11. В результате исследования факторов, определяющих экономический рост по 73 странам, было получено уравнение регрессии.
– темпы экономического
роста (темпы роста среднедушевого ВВП
к базисному периоду),
– реальный
среднедушевой ВВП
,
– бюджетный дефицит
к ВВП
– объем инвестиций
к ВВП
– внешний долг
к ВВП
– уровень инфляции
.
В скобках указаны фактические значения критерия для коэффициентов. Требуется:
проверить гипотезу о достоверности полученной модели в целом на уровне ;
проверить гипотезу о значимости коэффициентов на уровне и построить доверительные интервалы;
определить на сколько в среднем изменится темп экономического роста, если бюджетный дефицит увеличится на .
При этом считать,
что
.
Задача 12. Регрессия зависимой переменной на 3 независимых переменных на основе 30 наблюдений дала следующие результаты:
.
Стандартные ошибки
–
,
-значения
–
,
-доверительный
интервал
.
заполнить пропуски;
истины или ложны следующие утверждения (если ложны – исправить их);
1) оценка коэффициентов
при
.
Другие исследователи могут собрать
другие данные и построить другие оценки
этого коэффициента. Распределение этих
оценок сосредоточено вокруг истинного
значения
.
Поэтому оценка называется несмещенной.
2) если есть априорная уверенность в том, что не влияет на , то есть смысл отвергнуть при уровне значимости.
3) если заранее
известно, что
влияет на
,
то есть смысл использовать оценку
,
а не принимать нулевую гипотезу
.
Задача 13. По двадцати предприятиям отрасли были получены следующие результаты регрессионного анализа зависимости объема выпуска продукции (млн.руб.) от численности занятых на предприятии (чел.) и среднегодовой стоимости основных фондов (млн.руб.).
Коэффициент
детерминации
Множественный
коэффициент корреляции
Уравнение регрессии:
Задание
напишите уравнение регрессии, характеризующее зависимость от и ;
восставите пропущенные характеристики;
с вероятностью
постройте доверительные интервалы для
коэффициентов регрессии;проанализируйте результаты регрессионного анализа.
Задачи 14. По 30 предприятиями отрасли были получены следующие результаты регрессионного анализа зависимости объема выпуска продукции (млн.руб.) от численности занятых на предприятии (чел.) и среднегодовой стоимости основных фондов (млн.руб.):
Коэффициент детерминации
Множественный
коэффициент корреляции
Уравнение регрессии:
Задание
восставите пропущенные характеристики;
с вероятностью постройте доверительные интервалы для коэффициентов регрессии;
проанализируйте результаты регрессионного анализа.
Задача 15.
По данным, полученным от 20 фермерских
хозяйств одного из регионов, изучается
зависимость объема выпуска продукции
растениеводства
(млн. рук.) от трех факторов: численности
работников
(чел.), количества минеральных удобрений
на 1 га посева
(кг) и количества осадков в период
вегетации –
(г). Были получены следующие варианты
уравнений регрессии и доверительные
интервалы для коэффициентов регрессий
(табл. 1 и 2).
.
Таблица 1
-
Граница
Доверительные интервалы для коэффициентов регрессии при факторе
Нижняя
Верхняя
Примечание. Доверительные интервалы построены с вероятностью
Таблица 2
-
Граница
Доверительные интервалы для коэффициентов регрессии при факторе
Нижняя
Верхняя
Примечание. Доверительные интервалы построены с вероятностью
Задание
Восстановите пропущенные границы доверительных интервалов в каждом уравнении;
Выберите наилучшее уравнение регрессии. Дайте интерпретацию их параметров и доверительных интервалов для коэффициентов, регрессии.
каковы ваши предложения относительно значения -критерия Стьюдента для коэффициента регрессии при факторе во 2-м уравнении?
Задача 16.
По данным, полученным от 20 фермерских
хозяйств одного из регионов, изучается
зависимость объема выпуска продукции
растениеводства
(млн.руб.) от четырех факторов: численности
работников
(чел.), количества минеральных удобрений
на 1 га посева
(кг), количества осадков в период вегетации
(г) и качества почвы
.
Таблица 3
-
Граница
Доверительные интервалы для коэффициентов регрессии при факторе
Нижняя
Верхняя
Примечание. Доверительные интервалы построены с вероятностью
Таблица 4
-
Граница
Доверительные интервалы для коэффициентов регрессии при факторе
Нижняя
Верхняя
Примечание. Доверительные интервалы построены с вероятностью
Задание
Восстановите пропущенные границы доверительных интервалов;
Выберите наилучшее уравнение регрессии. Дайте интерпретацию его параметров и доверительных интервалов для коэффициентов, регрессии на примере одного из факторных признаков.
оценить целостность включения в модель
фактора
.
Задача 17. Производственная функция, полученная по данным за 1990 – 1997 гг., характеризуется уравнением
Здесь – индекс промышленного производства,
– численность
рабочих.
– капитал,
В скобках указаны значения стандартных ошибок для коэффициентов регрессии.
дайте интерпретацию параметров уравнения регрессии;
оцените значимость коэффициентов уравнения регрессии и сделайте выводы о целесообразности включения факторов в модель на уровне ;
оцените значимость уравнения регрессии в целом с помощью критерия Фишера;
какова роль факторов, неучтенных в модели в вариации индекса промышленного производства.
Задача 18. После финансового кризиса спрос на чебуреки упал, и менеджер был вынужден тратить часть средств на рекламу. Для изучения зависимости объема продаж от цены и расходов на рекламу менеджер использует следующую модель:
.
В таблице приведены
данные наблюдений за 20 недель (
– номер недели,
– количество проданных чебуреков,
– цена одного чебурека (руб.),
– затраты на рекламу (100 руб.)).
-
1
525
5.92
4.79
2
567
6.50
3.61
3
396
6.54
5.49
4
726
6.11
2.78
5
265
6.62
5.74
6
615
5.15
1.34
7
370
5.02
5.81
8
789
5.02
3.39
9
513
6.77
3.74
10
661
5.57
3.59
11
407
6.67
5.19
12
608
6.92
3.27
13
399
6.97
4.69
14
631
6.59
3.79
15
545
6.50
4.29
16
512
6.86
2.71
17
845
5.09
2.21
18
571
6.08
3.09
19
539
6.36
4.65
20
620
6.22
1.97
Используя данные, ответьте на следующие вопросы:
отклик количества проданных чебуреков на изменение цены измеряется коэффициентом
.
Аналогично,
.
Какие знаки
,
,
вы ожидаете получить?найдите оценки коэффициентов регрессии и их стандартные ошибки. Соответствуют ли знаки оценок вашим ожиданиям?
пусть себестоимость производства одного чебурека равна 2 руб. тогда чистый доход за неделю задается формулой
.найдите оптимальную цену при расходах на рекламу, равных 280 руб.;
найти оптимальный уровень расходов на рекламу при цене чебурека, равной 6 руб.;
помогите менеджеру найти оптимальное решение (максимизирующее чистый доход);
найдите доверительные интервалы для , , . Проверьте значимость влияния цены, а также расходов на рекламу на количество проданных чебуреков.
Решение
Естественно предполагать, что рост цены на чебуреки приводит к уменьшению спроса на них, то есть ожидаемая оценка коэффициента отрицательная. Увеличение расходов на рекламу должно приводить к росту спроса на них, при этом разумно считать, что при большом уровне расходов каждый последующий рубль, вложенный в рекламу, должен давать меньшую отдачу, чем тот же рубль при более низком уровне расходов на рекламу. Иными словами, разумно предполагать, что для расходов на рекламу действует «эффект насыщения». Таким образом, ожидаемый знак оценки – «+», оценки – «-»,
оценка параметров модели с применением эконометрического пакета дает следующий результат.
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
957.335
129.218
7.409
0.0000
-110.153
21.327
-5.165
0.0001
255.529
62.225
4.107
0.0008
-43.376
8.020
-5.408
0.0001
-squared
0.8778
Как мы видим, все коэффициенты значимы (на уровне) и их знаки соответствуют здравому смыслу и экономической интуиции.
, С помощью непосредственных вычислений получаем:
.
Приравнивая эту
производную нулю и учитывая, что
,
получаем следующее значение цены, при
которой максимизируется средний доход
при фиксированных расходах на рекламу
:
.
Подставляя вместо
коэффициентов
их оценки
и полагая
руб., получаем оценки оптимальной цены:
Аналогично предыдущему получаем
.
Приравнивая эту
производную нулю и учитывая, что
,
получаем следующее значение расходов
на рекламу, при которых максимизируется
средний доход при фиксированной цене
чебурека
:
.
Подставляя вместо
коэффициентов
их оценки
и полагая
руб., получаем оценку оптимальных
расходов на рекламу:
рассмотрим чистый
доход как функцию двух переменных:
.
С помощью непосредственных вычислений
получаем:
,
.
Приравнивая эти производные нулю, получаем систему уравнений относительно и :
Выражая из первого уравнения через и подставляя это выражение во второе уравнение, получаем относительно кубическое уравнение
.
Заменяя в этом
уравнении коэффициенты
их оценками
,
,
,
и решая уравнение с помощью какого-либо
численного метода (например, используя
встроенную процедуру Solver
программы Microsoft
Excel),
получаем три решения системы
:
Ясно, что второе и третье решения не имеют экономического смысла.
Покажем, что точка
является точкой максимума функции
.
Вычислим вторые производные функции
:
Для оценки матрицы
вторых производных
и ее определителя в точке
получаем следующее выражение:
,
,
откуда сразу
вытекает, что матрица
отрицательно определена и, следовательно,
точка
– точка максимума функции
.
Окончательно
получаем, что при цене одного чебурека
руб. и расходах на рекламу 272 руб. средняя
величина чистой прибыли максимума.
Из результатов
оценивания уравнения для количества
проданных чебуреков (см. пункт
)
следует, что все коэффициенты значимы
на
уровне, поскольку для каждой оценки
соответствующее
-значение
(Probability)
меньше
.
Число степеней
свободы модели есть
,
таким образом, доверительные интервалы
для коэффициентов
–
,
где, как обычно,
– оценки стандартных ошибок (Std.Error),
а
.
Используя результаты пункта
,
получаем:
Задача 19. В кейнсианской теории спрос на деньги зависит от доходов и процентных ставок. Рассмотрим следующую модель:
где
– агрегат денежной массы
(млрд. долл.),
– валовой национальный продукт (ВНП)
(млрд. долл.),
– процентные ставки по 6-месячным
государственным облигациям США (6 –
month US Treasury
Bills,
).
В таблице представлены данные по этим
переменным за период 1960 – 1983 гг. по
экономике США.
-
Год
Год
1960
506.5
141.8
3.247
1961
524.6
146.5
2.605
1962
565.0
149.2
2.908
1963
596.7
154.7
3.253
1964
637.7
161.8
3.686
1965
691.1
169.5
4.055
1966
756.0
173.7
5.082
1967
799.6
185.1
4.630
1968
873.4
199.4
5.470
1969
944.0
205.8
6.853
1970
992.7
216.5
6.562
1971
1077.6
230.7
4.511
1972
1185.9
251.9
4.466
1973
1326.4
265.8
7.178
1974
1434.2
277.5
7.926
1975
1549.2
291.1
6.122
1976
1718.0
310.4
5.266
1977
1918.3
335.5
5.510
1978
2163.9
363.2
7.572
1979
2417.8
389.0
10.017
1980
2631.7
414.1
11.374
1981
2954.1
440.6
13.776
1982
3073.0
478.2
11.084
1983
3309.5
521.3
8.750
Найдите оценки коэффициентов регрессии . Интерпретируйте знаки коэффициентов.
Рассчитайте прогноз спроса на деньги при значениях:
и
.Рассчитайте эластичность спроса на деньги по доходам и по процентным ставкам
в двух точках
и
из 2). Сравните результаты.Рассмотрим модель
Повторите 2) и 3) и сравните результаты, полученные по разным моделям. Сравните модели и . Какая из них вам представляется более предпочтительной?
Решение
оценка параметров модели с применением экономического пакета дает следующий результат.
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
89.777
4.103
21.877
0.0000
0.136
0.004
34.333
0.0000
-2.577
1.189
-2.167
0.0419
-squared
0.9953
Все коэффициенты
значимы на
-ом
уровне. Знаки оценок согласуются с
экономической теорией и здравым смыслом.
Неравенство
означает, что увеличение ВНП при
фиксированных процентных ставках
проводит в среднем к возрастанию денежной
массы
.
В то же время неравенство
означает, что при увеличении процентных
ставок по государственным ценным бумагам
спрос на них возрастает, и это приводит
к «связыванию» наличности и уменьшению
денежной массы
.
Свободный член показывает денежную
массу
при
.
Однако такие значения ВНП и процентных
ставок лежат вдалеке от наших данных.
Поэтому величина свободного члена не
имеет хорошей интерпретации и не так
важна. Эластичность денежной массы по
процентным ставкам отрицательна и выше
по абсолютной величине в точке
.
В соответствии с
моделью
.
Используя результаты пункта
,
получаем:
,
.
По определению
,
.
Поэтому
,
,
,
.
Оценка параметров модели с применением эконометрического пакета дает следующий результат.
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
0.575
0.082
7.032
0.0000
0.709
0.016
44.406
0.0000
-0.053
0.021
-2.492
0.0211
-squared
0.9977
Теперь в соответствии
с моделью
.
Поэтому
,
.
Из следует, что эластичности спроса на деньги по и постоянны и равны соответствующим коэффициентам и . Таким образом,
,
.
Сравнивая модели и с точки зрения качества соответствующих регрессий, видим, что во второй значения -статистик выше, чем в первой, однако существенной разницы в значимости коэффициентов нет: в обеих регрессиях все коэффициенты статистически значимы на -ом уровне. Коэффициенты детерминации в обеих моделях близки к 1, однако по этому показателю их сравнивать нельзя, так как у них разные зависимые переменные. Кроме того, для регрессий одних макроэкономических временных рядов на другие вообще характерны высокие значения коэффициентов из-за наличия общего временного тренда. С точки зрения экономической теории модель выглядит более предпочтительной, поскольку в широком диапазоне значений агрегат денежной массы проявляет постоянную эластичность по ВНП и процентной ставке, что говорит в пользу логарифмической модели .
Задача 20.
С помощью бинарных переменных напишите
уравнение, соответствующее наличию
двух структурных изменений в моменты
времени
и
(предполагается,
).
Решение
Пусть
– зависимая переменная и пусть независимых
переменных только две:
и константа. Предположим, что
и
представлены в виде временных рядов
.
Из некоторых соображений исследователь
считает, что имели место два структурных
изменения: в моменты времени
и
,
.
Чтобы оценить
такую модель, введем две бинарные
переменные
и
,
полагая
,
если
,
,
если
;
,
если
,
,
если
,
и запишем следующее регрессионное
уравнение:
.
Регрессионная
линия, соответствующая этому уравнению,
имеет коэффициент наклона
для
,
для
и
для
.
Разрыва в точках
и
не происходит.
Таким образом, для
проверки предположения об отсутствии
структурного изменения в момент времени
необходимо протестировать гипотезу
,
в момент времени
– гипотезу
и, наконец, чтобы проверить предположение
об отсутствии и того и другого структурного
сдвига, надо протестировать гипотезу
.
Задача 21. В таблице представлены совокупный объем внутренних инвестиций и валовой внутренний продукт США (млрд. долл.) за период с 1939 по 1954 г.
-
Годы
Годы
1939
9.3
90.8
1947
34.0
232.8
1940
13.1
100.0
1948
45.9
259.1
1941
17.9
124.9
1949
35.3
258.0
1942
9.9
158.3
1950
53.8
286.2
1943
5.8
192.0
1951
59.2
330.2
1944
7.2
210.5
1952
52.1
347.2
1945
10.6
212.3
1953
53.3
366.1
1946
30.7
209.3
1954
52.7
366.3
Напишите и оцените уравнения, позволяющие ответить на вопрос, изменилась ли зависимость инвестиций от валового внутреннего продукта во время войны (1942 – 1945 гг.) по сравнению с мирным временем.
Решение
Визуальный анализ графика показывает, что если исключить военные годы, то прослеживается линейная зависимость от . Наблюдения, относящиеся к военному периоду (1942 – 1945 гг.), представляют собой явные «выбросы». Регрессия на : по всем наблюдениям дает следующие результаты:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-14.362
7.543
-1.904
0.0777
0.192
0.030
6.368
0.0000
-squared
0.7434
Та же регрессия, но проведенная по наблюдениям без военного периода, выглядит так:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-3,335
4,086
-0,816
0.4334
0,167
0.015
10,872
0.0000
-squared
0.9220
Сравнение этих двух регрессий подтверждает тот факт, что наблюдения, относящиеся к военному периоду, не очень хорошо укладываются в общую картину: во второй регрессии выше значение -статистики коэффициента при и существенно выше коэффициент детерминации.
Можно более строго
обосновать различие моделей для мирного
и военного времени, например, с помощью
теста Чоу. Разбивая все наблюдения на
две группы мирное время (1939 – 1941 гг.,
1946 – 1954 гг.) и военное время (1942 – 1945 гг.)
– и применяя к исходной регрессии
,
тест Чоу, получаем значение соответствующей
-статистики
и
-значение
,
что позволяет уверенно отвергнуть
гипотезу о совпадении моделей для
мирного и военного времени.
Этот же вывод можно получить, не применяя тест Чоу, а используя фиктивную переменную, позволяющую разделить мирное и военное время. Введем переменную , которая принимает значение 1 для наблюдений, относящихся к военному времени (1942 – 1945 гг.), и 0 – к мирному времени (1939 – 1941 гг., 1946 – 1654 гг.). Тогда гипотезу о совпадении моделей для мирного и военного времени можно тестировать следующим образом: провести регрессию на константу, , и произведение на , а затем проверить совместную значимость двух последних коэффициентов. Ниже приведены результаты регрессии:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-3.335
3.836
-0.870
0.4016
0.167
0.014
11.583
0.0000
14.579
21.763
0.669
0.5162
-0.182
0.111
-1.638
0.1273
-squared
0.9541
Применяя
-тест
для проверки гипотезы:
,
получаем значение соответствующей
-статистики
,
что (как и следовало ожидать) совпадает
со значением
-статистики,
полученной в тесте Чоу. Отметим также,
что в последней регрессии каждый из
коэффициентов
и
незначим, в то время как совместно они
являются значимыми, что позволяет
уверенно отвергнуть гипотезу
.
Задача 22. Таблица содержит данные об объеме импорта (млрд. долл.), валовом национальном продукте (млрд. долл.) и индексе потребительских цен в США за период с 1964 по 1979 г.
-
Годы
Годы
1964
28.4
635.7
92.9
1972
75.9
1171.1
125.3
1965
32.0
688.1
94.5
1973
94.4
1306.6
133.1
1966
37.7
753.0
97.2
1974
131.9
1412.9
147.7
1967
40.6
796.3
100.0
1975
126.9
1528.8
161.2
1968
47.7
868.5
104.2
1976
155.4
1702.2
170.5
1969
52.9
935.5
109.8
1977
185.8
1899.5
181.5
1970
58.5
982.4
116.3
1978
217.5
2127.6
195.4
1971
64.0
1063.4
121.3
1979
260.9
2368.5
217.4
Вычислите выборочный коэффициент корреляции между и ;
Оцените регрессию на константу ;
Оцените регрессию на константу ;
Оцените регрессию на константу, и .
Как можно проинтерпретировать полученные результаты?
Можно ли ограничиться только одной из регрессий 2) или 3)?
Решение
Непосредственными
вычислениями получаем, что выборочный
коэффициент корреляции между
и
равен
.
Такое высокое значение может привести
к мультиколлинеарности в регрессиях,
содержащих одновременно
и
в качестве объясняющих переменных.
, Ниже приведены результаты регрессий на и (и константу):
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-69.027
5.750
-12.004
0.0000
0.134
0.004
31.866
0.0000
-squared
0.9864
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-146.516
8.335
-17.579
0.0000
1.824
0.060
30.795
0.0000
-squared
0.9864
Видим, что качество обеих регрессий высокое, иными словами, каждая из переменных и хорошо объясняет изменение .
Регрессия на , и константу дает следующие результаты:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
-101.489
33.080
-3.068
0.0090
0.079
0.560
1.403
0.1839
0.759
0.761
0.996
0.3372
-squared
0.9874
Как и следовало ожидать, значимость коэффициентов резко упала, что является следствием высокой мультиколлинеарности между регрессорами.
Если необходимо прогнозировать значение , то для этой цели можно успешно использовать любую из регрессий или , поскольку высокая значимость коэффициентов и большое значение коэффициента детерминации обеспечивает высокую прогностическую силу этих моделей. Однако если необходимо оценить влияние каждого из факторов , на , то приходится использовать регрессию , хотя точность оценок будет невелика.
Задача 23. В таблице приведены выпуск , трудозатраты и капиталовложения 15 фирм некоторой отрасли.
По данным нижеследующей таблицы:
Оцените производную функцию Кобба-Дугласа
,
вычислите коэффициент детерминации,
скорректированный коэффициент
детерминации и выборочный коэффициент
корреляции между
и
.Проведите регрессию
только на
.
Как можно проинтерпретировать полученные результаты?
-
Фирма
1
2350
2334
1570
2
2470
2425
1850
3
2110
2230
1150
4
2560
2463
1940
5
2650
2565
2450
6
2240
2278
1340
7
2430
2380
1700
8
2530
2437
1860
9
2550
2446
1880
10
2450
2403
1790
11
2290
2301
1480
12
2160
2253
1240
13
2400
2367
1660
14
2490
2430
2000
15
2590
2470
Решение
Прологарифмируем
выражение для функции Кобба-Дугласа:
.
Оценка этой регрессии дает следующие
результаты:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
0.501
4.480
0.112
0.9129
0.758
0.707
1.071
0.3052
0.188
0.139
1.356
0.2001
-squared
0.9689
Вычисляя
скорректированный коэффициент
детерминации по формуле:
.
Получаем,
.
Выборочный
коэффициент корреляции между
и
равен
,
что и является причиной незначимости
коэффициентов
,
(аналогично предыдущей задаче).
Регрессия на и константу дает следующие результаты:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
5.297
0.130
40.778
0.0000
0.335
0.017
19.192
0.0000
-squared
0.9659
Видим, что в этой регрессии коэффициенты значимы и коэффициент детерминации незначительно отличается от коэффициента детерминации первой регрессии, как и следовало ожидать.
Так же как и в предыдущей задаче, регрессия только на (или на ) может применяться в целях получения прогноза, но, например, для определения эластичностей выпуска по труду и капиталу необходимо использовать модель регрессии на обе переменные, что как мы видим, дает оценки этих эластичностей с большими ошибками вследствие мультиколлинеарности. Один из возможных способов борьбы с ней предлагается в следующей задаче.
Задача 24.
можно ли преодолеть проблему
мультиколлинеарности, возникающую в
задаче 23, если известно, что производственная
функция обладает постоянной отдачей
на масштаб
?
Решение
Тестируя для
регрессии
пункта
предыдущей задачи гипотезу
(постоянство отдачи на масштаб), получаем
значение
-статистики
и
-значение
,
что позволяет уверенно не отвергать
эту гипотезу. Подставляя
в исходное уравнение, после элементарных
преобразований получаем:
.
Оценивая эту регрессию, получаем следующие результаты:
Dependent Variable:
-
Variable
Coefficient
Std. Error
-Statistic
Probability
0.073
0.008
9.261
0.0000
0.825
0.021
39.812
0.0000
-squared
0.9919
Качество регрессии
хорошее. Таким образом, введение
ограничения
позволило в данном случае решить проблему
мультиколлинеарности.
Задача 25. Всегда ли доверительный интервал для шире каждого из доверительных интервалов для и ? Если да, то почему?
Решение
Нет. Действительно,
пусть
– стандартная оценка дисперсии
и матрица
с элементами
– несмещенная оценка ковариационной
матрицы
.
Тогда имеем
и
является
-ым
доверительным интервалом для суммы
,
где
.
Его ширина равна, очевидно,
,
в то время как длины
-ых
доверительных интервалов для
и
равны
и
соответственно. Нетрудно понять, что
если
,
достоверно сильно отрицательно
коррелированны (коэффициент корреляции
близок к -1), то длина доверительного
интервала для
будет меньше, чем длина каждого из
доверительных интервалов для
и
.
Достаточно, например, взять
.
Тогд непосредственные
вычисления показывают, что длины
доверительных интервалов для
,
и
относятся как
.
Задача 26.
Предположим, что вы оцениваете линейную
функцию потребления
среди
индивидуумов. Как учесть возможный
сдвиг этой функции при переходе от
городского к сельскому потребителю,
если вы считаете, что маргинальная
склонность к потреблению постоянна, в
то время как средняя склонность к
потреблению может меняться? Как проверить
гипотезу о том, что маргинальные
склонности к потреблению индивидуумов
с доходов выше и ниже уровня
отличается?
Решение
Если функция
потребления линейна и имеет вид
,
маргинальная склонность к потреблению,
то есть прирост потребления при увеличении
дохода на единицу, характеризуется
коэффициентом
.
Средняя склонность к потреблению есть
доля дохода, идущая на потребление, то
есть
,
она определяется не только коэффициентом
,
но и
.
Таким образом, чтобы учесть тот факт,
что маргинальная склонность к потреблению
постоянна, в то время как средняя
склонность к потреблению может меняться
(то есть может меняться
)
при переходе от городского к сельскому
потребителю, введем фиктивную переменную
,
полагая
,
если наблюдение
соответствует городскому населению,
– сельскому. Получим модель
.
Проверка данного
утверждения сводится к проверке гипотезы
.
Введем фиктивную
переменную
,
если
,
и
,
если
.
Для проверки гипотезы о том, что
маргинальные склонности к потреблению
индивидуумов с доходом выше и ниже
отличаются, может быть использована
модель:
.
Проверка утверждения
сводится к проверке гипотезы
.
Действительно, в этой модели маргинальная
склонность к потреблению равна
,
если доход не превосходит
,
и равна
в противном случае.
Задача 27. Имеются данные о деятельности крупнейших компаний США в 1996 г.
– чистый доход,
– оборот капитала,
– использованный капитал,
– численность служащих,
– рыночная
капитализация компании.
-
, млрд.долл. США
, млрд.долл. США
, млрд.долл. США
, тыс.чел.
, млрд.долл. США
1
0.9
31.3
18.9
43
40.9
2
1.7
13.4
13.7
64.7
38.9
3
0.7
4.5
18.5
24
38.9
4
1.7
10.0
4.8
50.2
38.5
5
2.6
20
21.8
1.6
37.3
6
1.3
15
5.8
96.6
26.5
7
4.1
137.1
99
347
37
8
1.6
17.9
20.1
85.6
36.8
9
6.9
165.4
60.6
745
36.3
10
0.4
2
1.4
4.1
35.3
11
1.3
6.8
8
26.8
35.3
12
1.9
27.1
18.9
42.7
35
13
1.9
13.4
13.2
61.8
26.2
14
1.4
9.8
12.6
212
33.1
15
0.4
19.5
12.2
105
32.7
16
0.8
6.8
3.2
33.5
32.1
17
1.8
27
13
142
30.5
18
0.9
12.4
6.9
96
29.8
19
1.1
17.7
15
140
25.4
20
1.9
12.7
11.9
59.3
29.3
21
-0.9
21.4
1.6
131
29.2
22
1.3
13.5
8.6
70.7
29.2
23
2
13.4
11.5
65.4
29.1
24
0.6
4.2
1.9
23.1
27.9
25
0.7
15.5
5.8
80.8
27.2
Задание
Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов.
Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности.
Оцените статистическую зависимость параметров регрессионной модели с помощью -критерия; нулевую гипотезу о значимости уравнения и показателей тесноты связи проверьте с помощью -критерия.
Оцените качество уравнения через среднюю ошибку аппроксимации.
Рассчитайте матрицы парных и частных коэффициентов корреляции и на их основе отберите информативные факторы в модель. Постройте модель только с информативными и оцените ее параметры.
Рассчитайте прогнозное значение результата, если прогнозные значения факторов составляют
от их максимальных значений.Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости 5 или
(
,
)
Задача 28.
В таблице представлены данные о рынке строящегося жилья в Санкт-Петербурге (по состоянию на декабрь 1996 г.), где приняты следующие обозначения:
– цена квартиры, тыс.долл.;
– число комнат в квартире;
– район города (1 – Приморский, Шувалово – Озерки, 2 – Гражданка, 3 – Юго-Запад, 4 – Красносельский);
– общая площадь
квартиры (м
);
– жилая площадь квартиры (м );
– площадь кухни
(м
);
– тип дома (1 –
кирпичный, 0 – другой);
– наличие балкона
(1 – есть, 0- нет);
– число месяцев
до окончания срока строительства.
-
1
1
1
39.0
20.0
8.2
0
1
0
15.9
2
3
1
68.4
40.5
10.7
0
1
0
27.0
3
1
1
34.8
16.0
10.7
0
1
12
13.5
4
1
1
39.0
20.0
8.5
0
1
12
15.1
5
2
1
54.7
28.0
10.7
0
1
12
21.1
6
3
1
74.7
46.3
10.7
0
1
12
28.7
7
3
1
71.7
45.9
10.7
0
0
0
27.2
8
3
1
74.5
47.5
10.4
0
0
0
28.3
9
4
1
137.7
87.2
14.6
0
1
0
52.3
10
1
1
40.0
17.7
11.0
1
1
8
22.0
11
2
1
53.0
31.1
10.0
1
1
8
28.0
12
3
1
86.0
48.7
14.0
1
1
8
45.0
13
4
1
98.0
65.8
13.0
1
1
8
51.0
14
2
1
62.6
21.4
11.0
1
1
0
34.4
15
1
1
45.3
20.6
10.4
1
1
8
24.7
16
2
1
56.4
29.7
9.4
1
1
8
30.8
17
1
1
37.0
17.8
8.3
0
1
0
15.9
18
3
1
67.5
43.5
8.3
0
1
0
29.0
19
1
1
37.0
17.8
8.3
0
1
3
15.4
20
3
1
69.0
42.4
8.3
0
1
3
28.6
21
1
1
40.0
20.0
8.3
0
1
0
15.6
22
3
1
69.1
41.3
8.3
0
1
0
27.7
23
2
1
68.1
35.4
13.0
1
1
20
34.1
24
2
1
75.3
41.4
12.1
1
1
20
37.7
25
3
1
83.7
48.5
12.1
1
1
20
41.9
26
1
1
48.7
22.3
12.4
1
1
20
24.4
27
1
1
39.9
18.0
8.1
1
0
0
21.3
28
2
1
68.6
35.5
17.0
1
1
12
36.7
29
1
1
39.0
20.0
9.2
1
0
0
21.5
30
2
1
48.6
31.0
8.0
1
0
0
26.4
31
3
1
98.0
56.0
22.0
1
0
0
53.9
32
2
1
68.5
30.7
8.3
1
1
6
34.2
33
2
1
71.1
36.2
13.3
1
1
6
35.6
34
3
1
68.0
41.0
8.0
1
1
12
34.0
35
1
1
38.0
19.0
7.4
1
1
12
19.0
36
2
1
93.2
49.5
14.0
1
1
12
46.6
37
3
1
117.0
55.2
25.0
1
1
12
58.5
38
1
2
42.0
21.0
10.2
1
0
12
24.2
39
2
2
62.0
35.0
11.0
1
0
12
35.7
40
3
2
89.0
52.3
11.5
1
1
12
51.2
41
4
2
132.0
89.6
11.0
1
1
12
75.9
42
1
2
40.8
19.2
10.1
1
1
6
21.2
43
2
2
59.2
31.9
11.2
1
1
6
30.8
44
3
2
65.4
38.9
9.3
1
1
6
34.0
45
2
2
60.2
36.3
10.9
1
1
12
31.9
46
3
2
82.2
49.7
13.8
1
1
12
43.6
47
3
2
98.4
52.3
15.3
1
1
12
52.2
48
3
3
76.7
44.7
8.0
1
1
0
43.1
49
1
3
38.7
20.0
10.2
1
1
6
25.0
50
2
3
56.4
32.7
10.1
1
1
6
35.2
51
3
3
76.7
44.7
8.0
1
1
6
40.8
52
1
3
38.7
20.0
10.2
1
1
0
18.2
53
1
3
41.5
20.0
10.2
1
1
0
20.1
54
2
3
48.8
28.5
8.0
1
1
0
22.7
55
2
3
57.4
33.5
10.1
1
1
0
27.6
56
3
3
76.7
44.7
8.0
1
1
0
36.0
57
1
4
37.0
17.5
8.3
0
1
7
17.8
58
2
4
54.0
30.5
8.3
0
1
7
25.9
59
3
4
68.0
42.5
8.3
0
1
7
32.6
60
1
4
40.5
16.0
11.0
0
1
3
19.8
61
2
4
61.0
31.0
11.0
0
1
3
29.9
62
3
4
80.0
45.6
11.0
0
1
3
39.2
63
1
3
52.0
21.2
11.2
1
1
18
22.4
64
2
3
78.1
40.0
11.6
1
1
18
35.2
65
3
3
91.6
53.8
16.0
1
1
18
41.2
66
1
4
39.9
19.3
8.4
0
1
6
17.8
67
2
4
56.2
31.4
11.1
0
1
6
25.0
68
3.4
4
79.1
42.4
15.5
0
1
6
35.2
69
4
4
91.6
55.2
9.4
0
1
6
40.8
Задание
Определить факторы, формирующие цену квартир в строящихся домах в Санкт-Петербурге в 1996 г. Сгенерируйте фиктивную переменную
,
отражающую местоположение квартиры и
позволяющую разделить всю совокупность
квартир на две группы: квартиры на
севере города (Приморский район, Шувалово
– Озерки, Гражданка) и на юге города
(Юго – Запад, Красносельский район).Составьте матрицу парных коэффициентов корреляции:
исходных переменных;
логарифмов исходных переменных (кроме фиктивных переменных). Вместо переменной используйте фиктивную переменную .
постройте уравнение регрессии, характеризующее зависимость цены от всех факторов, в линейной и степенной форме. Установите, какие факторы мультиколлинеарны. В какой модели мультиколлинеарность проявляется сильнее?
Постройте модель
в линейной и степенной форме. Какие
факторы значимо воздействуют на
формирование цены квартиры в этой
модели?Существует ли разница в ценах квартир, расположенных в северной и южной частях Санкт-Петербурга? Как вы объясните этот факт?
Задача 30. По данным, представленным в таблице, изучается зависимость индекса человеческого развития от переменных:
– ВВП 1997 г., к 1990 г.;
– расходы на конечное потребление в текущих ценах, к ВВП;
– расходы домашних хозяйств, к ВВП;
– валовое накопление, к ВВП;
– суточная калорийность питания населения, ккал на душу населения;
– ожидаемая продолжительность жизни при рождении, 1997 г., число лет;
-
Страна
Австрия
0.904
115.0
75.5
56.2
25.2
3343
77.0
Австрия
0.763
74.0
78.4
59.1
25.7
3101
68.0
Белоруссия
0.763
74.0
78.4
59.1
25.7
3101
68.0
Бельгия
0.923
111.0
77.7
63.3
17.8
3543
77.2
Великобритания
0.918
113.0
84.4
64.1
15.9
3237
77.2
Германия
0.906
110.0
75.9
57.0
22.4
3330
77.2
Дания
0.905
119.0
76.0
50.7
20.6
3808
75.7
Индия
0.545
146.0
67.5
57.1
25.2
2415
62.6
Испания
0.894
113.0
78.2
62.0
20.7
3295
78.0
Италия
0.900
108.0
78.1
61.8
17.5
3504
78.2
Канада
0.932
113.0
78.6
58.6
19.7
3056
79.0
Казахстан
0.740
71.0
84.0
71.7
18.5
3007
67.6
Китай
0.701
210.0
59.2
48.0
42.4
2844
69.8
Латвия
0.744
94.0
90.2
63.9
23.0
2861
68.4
Нидерланды
0.921
118.0
72.8
59.1
20.2
3259
77.9
Норвегия
0.927
130.0
67.7
47.5
25.2
3350
78.1
Польша
0.802
127.0
82.6
65.3
22.4
3344
72.5
Россия
0.747
61.0
74.4
53.2
22.7
2704
66.6
США
0.927
117.0
83.3
67.9
18.1
3642
76.7
Украина
0.721
46.0
83.7
61.7
20.1
2753
68.8
Финляндия
0.913
107.0
73.8
52.9
17.3
2916
76.8
Франция
0.918
110.0
79.2
59.9
16.8
3551
78.1
Чехия
0.833
99.2
71.5
51.5
29.9
3177
73.9
Швейцария
0.914
101.0
75.3
61.2
20.3
3280
78.6
Швеция
0.923
105.0
79.0
53.1
14.1
3160
78.5
Задание
Постройте матрицу парных коэффициентов корреляции. Рассчитайте коэффициенты множественной детерминации, используя в качестве зависимой переменной каждый фактор. Установите, какие факторы мультиколлинеарны.
Постройте уравнение множественной регрессии в линейной форме с полным набором факторов.
Оцените статистическую значимость уравнения регрессии и его параметров с помощью критериев Фишера и Стьюдента.
Отберите информативные факторы по подпунктам 1 и 3. постройте уравнение регрессии со статистически значимыми факторами.
Задача 30. Изучается зависимость средней ожидаемой продолжительности жизни от нескольких факторов по данным за 1995 г.
-
Страна
Мозамбик
47
3.0
2.6
2.4
43
Бурунди
49
2.3
2.6
2.7
98
Чад
48
2.6
2.5
2.5
117
Непал
55
4.3
2.5
2.4
91
Буркина – Фасо
49
2.9
2.8
2.1
99
Мадагаскар
52
2.4
3.1
3.1
89
Бангладеш
58
5.1
1.6
2.1
79
Гаити
57
3.4
2.0
1.7
72
Мали
50
2.0
2.9
2.7
123
Нигерия
53
4.5
2.9
2.8
80
Кения
58
5.1
2.7
2.7
58
Того
56
4.2
3.0
2.8
88
Индия
62
5.2
1.8
2.0
68
Бенин
50
6.5
2.9
2.5
95
Никарагуа
68
7.4
3.1
4.0
46
Гана
59
7.4
2.8
2.7
73
Ангола
47
4.9
3.1
2.8
124
Пакистан
60
8.3
2.9
3.3
90
Мавритания
51
5.7
2.5
2.7
96
Зимбабве
57
7.5
2.4
2.2
55
Гондурас
67
7.0
3.0
3.8
45
Китай
69
10.8
1.1
1.1
34
Камерун
57
7.8
2.9
3.1
56
Конго
51
7.6
2.9
2.6
90
Шри – Ланка
72
12.1
1.3
2.0
16
Египет
63
14.2
2.0
2.7
56
Индонезия
64
14.1
1.6
2.5
51
Филиппины
66
10.6
2.2
2.7
39
Марокко
65
2.0
2.6
55
Папуа – Новая Гвинея
57
9.0
2.3
2.3
64
Гватемала
66
12.4
2.9
3.5
44
Эквадор
69
15.6
2.2
3.2
36
Доминиканская Республика
71
14.3
1.9
2.6
37
Ямайка
74
13.1
1.0
1.8
13
Алжир
70
19.6
2.2
4.1
34
Республика Эль – Сальвадор
67
9.7
2.2
3.4
36
Парагвай
68
13.5
2.7
2.9
41
Тунис
69
18.5
1.9
3.0
39
Белоруссия
70
15.6
0.2
0.2
13
Перу
66
14.0
2.0
3.1
47
Таиланд
69
28.0
0.9
1.3
35
Панама
73
22.2
1.7
2.4
23
Турция
67
20.7
1.7
2.1
48
Польша
70
20.0
0.3
0.6
14
Словакия
72
13.4
0.3
0.7
11
Венесуэла
71
29.3
2.3
3.0
23
ЮАР
64
18.6
2.2
2.4
50
Мексика
72
23.7
1.9
2.8
33
Мавритания
71
49.0
1.3
1.8
16
Бразилия
67
20.0
1.5
1.6
44
Тринидад
72
31.9
0.8
1.8
13
Малайзия
71
33.4
2.4
2.7
12
Чили
72
35.3
1.5
2.1
12
Уругвай
73
24.6
0.6
1.0
18
Аргентина
73
30.8
1.3
2.0
22
Греция
78
43.4
0.6
0.9
8
Республика Корея
72
42.4
0.9
1.9
10
Испания
77
53.8
0.2
1.0
7
Новая Зеландия
76
60.6
1.4
1.5
7
Ирландия
77
58.1
0.5
1.7
6
Израиль
77
61.1
3.5
3.5
8
Австралия
77
70.2
1.1
1.4
6
Италия
78
73.7
0.2
0.4
7
Канада
78
78.3
1.3
1.0
6
Финляндия
76
65.8
0.5
0.1
5
Гонконг
79
85.1
1.6
1.3
5
Швеция
79
68.7
0.6
0.3
4
Нидерланды
78
73.9
0.7
0.6
6
Бельгия
77
80.3
0.4
0.5
8
Франция
78
78.0
0.5
0.8
6
Сингапур
76
84.4
2.0
1.7
4
Австрия
77
78.8
0.8
0.5
6
США
77
100.0
1.0
1.1
8
Дания
75
78.7
0.3
0.1
6
Япония
80
82.0
0.3
0.6
4
Швейцария
78
95.9
1.0
0.8
6
Принятые в таблице обозначения:
– средняя ожидаемая продолжительность жизни при рождении, лет;
– ВВП в паритетах покупательной способности;
– темпы прироста населения по сравнению с предыдущим годом, ;
– темпы прироста рабочей силы по сравнению с предыдущим годом, ;
– коэффициент младенческой смерти, ;
Задание
Посчитайте матрицу парных коэффициентов корреляции. Установите, какие факторы коллинеарны.
Постройте уравнение множественной регрессии, обосновав отбор факторов.
Постройте графики остатков. Сделайте выводы.
Проверьте тестирование ошибок уравнения множественной регрессии на гетероскедастичность, применив тест Гельфельда – Квандта.
Оцените статистическую значимость уравнения множественной регрессии. Какие факторы значимо воздействуют на формирование средней ожидаемой продолжительности жизни в этом уравнении?
Постройте уравнение множественной регрессии со статистически значимыми факторами.
Задача 31. имеются данные о продаже квартир на вторичном рынке жилья в Санкт – Петербурге на 01.05.2000 г.
-
1
13.0
1
1
37.0
21.5
6.5
0
20
2
16.5
1
1
60.0
27.0
22.4
0
10
3
17.0
1
1
60.0
30.0
15.0
0
10
4
15.0
1
1
53.0
26.2
13.0
0
15
5
14.2
1
1
35.0
19.0
9.0
0
8
6
10.5
1
1
30.0
17.5
5.6
1
15
7
23.0
1
1
43.0
25.5
8.5
0
5
8
12.0
1
1
30.0
17.8
5.5
1
10
9
15.6
1
1
35.0
18.0
5.3
1
3
10
12.5
1
1
32.0
17.0
6.0
1
5
11
11.3
1
0
31.0
18.0
5.5
1
10
12
13.0
1
0
33.0
19.6
7.0
0
5
13
21.0
1
0
53.0
26.0
16.0
1
5
14
12.0
1
0
32.2
18.0
6.3
0
20
15
11.0
1
0
31.0
17.3
5.5
1
15
16
11.0
1
0
36.0
19.0
8.0
1
5
17
22.5
2
1
48.0
29.0
8.0
1
15
18
26.0
2
1
55.5
35.0
8.0
0
10
19
18.5
2
1
48.0
28.0
8.0
0
10
20
13.2
2
1
44.1
30.0
6.0
1
25
21
25.8
2
1
80.0
51.0
13.0
0
10
22
17.0
2
1
60.0
38.0
10.0
0
12
23
18.0
2
0
50.0
30.0
8.7
1
15
24
21.0
2
0
54.6
32.0
10.0
1
20
25
14.5
2
0
43.0
27.0
5.5
1
10
26
23.0
2
0
66.0
39.0
12.0
1
5
27
19.5
2
0
53.5
29.5
7.0
1
15
28
14.2
2
0
45.0
29.0
6.0
1
12
29
13.3
2
0
45.0
30.0
5.5
0
5
30
16.1
2
0
50.6
30.8
7.9
0
10
31
13.5
2
0
42.5
28.0
5.2
1
25
32
16.0
2
0
50.1
31.0
6.0
0
10
33
15.5
3
1
68.1
44.4
7.2
0
5
34
38.0
3
1
107.0
58.0
24.0
0
15
35
30.0
3
1
100.0
58.0
20.0
0
15
36
24.0
3
1
71.0
52.0
7.5
1
15
37
32.5
3
1
98.0
51.0
15.0
0
10
38
43
3
0
100.0
45
35.0
1
25
39
17.8
3
0
58.0
39.0
6.2
0
10
40
28.0
3
0
75.0
40.0
18.0
1
3
41
32.7
3
0
85.0
59.0
9.0
0
5
42
31.0
3
0
66.0
48.0
6.0
0
2
43
33.0
3
0
81.0
52.0
12.0
0
10
44
28.0
3
0
76.4
49.0
10.0
0
5
45
21.5
3
0
55.0
40.5
6.0
1
15
46
15.3
3
0
53.7
37.6
5.5
1
3
47
21.0
3
0
57.0
38.0
6.3
0
7
48
35.5
3
0
62.0
52.0
8.0
0
3
49
22.0
3
0
74.0
47.0
10.0
0
15
50
29.0
3
0
70.0
45.0
9.0
0
2
51
16.0
3
0
80.0
54.0
8.0
0
3
52
22.0
3
0
62.0
37.0
10.2
1
5
53
23.0
3
0
69.7
42.0
10.8
0
15
54
19.5
3
0
79.0
50.3
9.1
1
25
55
34.0
3
0
96.4
58.0
12.6
1
5
56
24.5
4
1
90.0
64.0
15.0
0
5
57
27.3
4
1
102.0
66.0
11.8
0
7
58
41.0
4
1
87.0
56.5
12.5
0
10
59
31.0
4
1
114.8
74.0
25.6
0
10
60
35.6
4
1
114.3
74.7
12.0
1
5
61
46.0
4
1
90.0
62.0
8.0
1
5
62
35.0
4
1
116.0
81.0
16.5
0
10
63
42.7
4
1
107.0
75.5
9.5
0
10
64
27.0
4
0
93.0
66.0
10.0
0
15
65
75.0
4
0
176.0
129.0
15.0
0
10
66
38.0
4
0
96.0
69.4
9.0
0
8
67
23.5
4
0
92.0
72.5
9.5
0
10
68
65.0
4
0
176.0
110.0
33.0
1
20
69
23.0
4
0
74.0
49.0
6.5
0
15
70
45.5
4
0
106.0
73.7
9.0
0
10
71
34.0
4
0
88.0
61.7
9.0
0
3
72
23.0
4
0
74.0
45.8
9.0
0
10
73
26.5
4
0
74.7
50.8
8.2
1
10
74
37.0
4
0
115.0
76.0
8.5
0
5
75
30.0
4
0
92.0
62.0
9.0
0
15
76
43.0
4
0
110.0
79.5
10.0
0
5
Принятые в таблицах обозначения:
– цена квартиры, тыс.долл.;
– число комнат в квартире;
– район города (1 – центральные, 2 – периферийные);
– общая площадь квартиры (м );
– жилая площадь квартиры (м );
– площадь кухни (м );
– тип дома (1 – кирпичный, 0 – другой);
– расстояние от метро, минут пешком;
По этим данным необходимо определить факторы, формировавшие цену квартир на вторичном рынке жилья в Санкт – Петербурге весной 2000 г.
Задание
Составьте матрицу парных коэффициентов корреляции:
Постройте уравнение регрессии, характеризующее зависимость цены от всех факторов. Установите, какие факторы коллинеарны, определив коэффициенты множественной детерминации для каждого из факторов.
Оцените значимость полученного уравнения. Какие факторы значимо воздействуют на формирование цены квартиры в этой модели?
Существует ли разница в ценах квартир, расположенных в центральных и периферийных районах Санкт-Петербурга?
Существует ли разница в ценах квартир разных типов домов?
Постройте модель формирования цены квартиры за счет значимых факторов.
