- •3.1. Простая линейная регрессия.
- •Пример построения линейной регрессии.
- •3.1.1. Определение параметров уравнения регрессии с помощью метода наименьших квадратов.
- •3.1.2. Критерии значимости коэффициентов и в уравнении регрессии.
- •Коэффициент детерминации .
- •Гетероскедастичность.
- •Автокорреляция.
- •Мультиколлинеарность.
- •Фиктивные переменные.
- •Исходные данные
- •Результаты вычислений.
- •3.4. Использование регрессии для прогнозирования.
- •Матрица коэффициентов парной корреляции
- •Множественный коэффициент корреляции
- •Частный коэффициент корреляции
- •Исходные данные.
- •Результаты расчета.
- •Проверка точности.
- •Проверка адекватности и оценка точности модели парной линейной регрессии.
- •Проверка адекватности.
- •Курс доллара сша и предположительно влияющие на него факторы.
- •Корреляционная матрица системы показателей.
- •Параметры модели зависимости курса доллара от цены золота и ее статистические характеристики.
- •Параметры модели зависимости курса доллара от цены золота и dj-индекса и ее статистические характеристики.
- •Параметры модели зависимости курса доллара от цены золота, dj-индекса и тn-индекса и ее статистические характеристики.
- •Результаты моделирования зависимости курса доллара от цены золота и dj-индекса.
- •Исходные данные.
- •Коэффициенты корреляции.
- •Исходные данные.
- •Исходные данные.
Курс доллара сша и предположительно влияющие на него факторы.
-
Порядковый номер
DJ-индекс
ТN-индекс
Х2
Цена золота (РУб./г)
Курс доллара (руб./дол.)
Y
1
3051,08
16048
212,97
23,68
2
3051,08
16048
212,97
23,80
3
3031,10
16378
214,27
23,80
4
2935,16
14500
217,43 |
23,92
5
2952,09
16019
216,92
24,29
6
2962,22
15986
215,91
24,22
7
3009,52
16017
213,26
24,18
8
3001,40
16017
213,43
24,19
9
3001,40
16017
213,43
24,20
10
2993,27
16017
213,61
24,20
11
3034,61
16009
213,02
24,20
12
3021,18
15836
212,72
24,18
13
2979,92
16327
214,71
24,16
14
2996,30
16290
219,49
24,29
15
2996,30
16312
220,72
24,83
16
2996,30
16312
220,72
24,97
17
2996,30
16334
219,49
24,97
18
3141,38
16479
221,96
25,11
19
3121,80
16554
220,25
25,10
20
3144,44
16846
221,73
25,12
Определим также предельный уровень ошибок, при котором сокращение среднеквадратической ошибки по сравнению с предыдущим значением считается существенным: примем = 0,01. Взаимосвязь между исследуемыми показателями характеризуется корреляционной матрицей (табл. 3.9).
Степень влияния показателей-факторов на Y определяется коэффициентами корреляции в последней строке таблицы. Как видим, наиболее сильное влияние на курс доллара оказывает фактор X3 (цена золота) с коэффициентом корреляции 0.87, два других фактора оказывают существенное, но не сильное влияние.
Таблица 3.9.
Корреляционная матрица системы показателей.
|
X |
X |
X |
Y |
X |
1 |
|
|
|
X |
0.85 |
1 |
|
|
X |
0.45 |
0.45 |
1 |
|
Y |
0.57 |
0.51 |
0.87 |
1 |
В остальных клетках таблицы под главной диагональю представлены коэффициенты корреляции между показателями-факторами. Коэффициент корреляции между первым и вторым факторами (на пересечении соответствующего столбца и строки) равен 0.85, он больше 0.8, что свидетельствует о коллинеарности между индексами деловой активности DJ и ТN, к тому же коэффициенты корреляции между каждым из этих факторов и курсом доллара (соответственно 0.57 и 0.51) ниже корреляции между ними. Поэтому включать в модель оба эти фактора одновременно нецелесообразно. Рассмотрим, какой из этих факторов включить предпочтительнее. Для этого воспользуемся методом пошаговой регрессии. Сначала в соответствии с алгоритмом включим в модель фактор с максимальным коэффициентом корреляции и оценим ее параметры и характеристики качества. Результаты моделирования на основе программного модуля «Регрессия» в пакете «Анализ данных» табличного процессора Excel представлены в табл. 3.10.
Таблица 3.10.
