Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Эконометрика 327з.doc
Скачиваний:
158
Добавлен:
11.03.2015
Размер:
2.34 Mб
Скачать

Задача 6

Имеются следующие результаты регрессионного анализа зависимости объема выпуска продукции (млн руб.) уот численности занятых на предприятии (чел.)х1и среднегодовой стоимости основных фондов (млн руб.)х2по 20 предприятиям отрасли:

Коэффициент детерминации

0,81

Множественный коэффициент корреляции

???

Уравнение регрессии

ln y = ??? + 0,48 lnx1 + 0,62 lnx2

Стандартные ошибки параметров

2 0,06 ???

t-критерий для параметров

1,5 ??? 5

Задания:

1. Напишите уравнение регрессии, характеризующее зависимость уотх1их2.

2. Восстановите пропущенные характеристики.

3. Оцените адекватность полученной модели.

Решение:

1. Для данного уравнения примели преобразование, которое приводит модель нелинейную относительно оцениваемых параметров , к линейной модели:.

Чтобы написать уравнение регрессии сначала восстановим значение параметра а. Воспользуемся формулой (20), в которой отношение обозначим через стандартную ошибку параметра. Тогда

. (39)

Значение параметра а=b0будет равноа=b0=tSbj= 2 ∙ 1,5 = 3.

Уравнение будет записано в виде: lny= 3 + 0,48lnx1+ 0,62lnx2.

Проведем обратные преобразования и получим уравнение: .

2. Чтобы восстановить пропущенные значение стандартной ошибки коэффициента регрессии и t-критерия также воспользуемся формулой (38).

;

.

Так как коэффициент детерминации R2в линейных моделях равен квадрату множественного коэффициента корреляцииR, то.

Запишем исходные данные с восстановленными характеристиками:

Коэффициент детерминации

0,81

Множественный коэффициент корреляции

0,9

Уравнение регрессии

Стандартные ошибки параметров

2 0,06 0,124

t-критерий для параметров

1,5 8 5

3. Для оценки адекватность параметров регрессии воспользуемся значениями tнабл. По таблицамt-распределения прил. 1t0,95;17= 2,11. Тогда,t1= 8 >t0,95;17= 2,11 – параметрb1адекватен;t2= 5 >t0,95;17= 2,11 – параметрb2адекватен.

Для оценки адекватность уравнения регрессии воспользуемся критерием Фишера. Для расчета Fнаблвоспользуемся формулой

= 16,22.

По таблицам F-критерия прил. 1F0,05;2;17= 3,59. Так какF>F0,05;2;17, то уравнение регрессии значимо.

Задача 7

При изучении уровня потребления мяса (кг на душу населения) у в зависимости от дохода (руб. на одного члена семьи) х1 и в соотношении с уровнем потребления рыбы (кг на душу населения) х2 результаты оказались следующими (по 50 семьям):

Уравнение регрессии

= 180 + 0,2х1  0,4х2

Стандартные ошибки параметров

20 0,01 0,25

Множественный коэффициент корреляции

0,85

Задания:

1. Используя t-критерий Стьюдента, оцените значимость параметров уравнения.

2. Рассчитайте F-критерий Фишера.

3. Оцените по частным F-критериям Фишера целесообразность включения в модель:

а) фактора х1 после фактора х2;

б) фактора х2 после фактора х1.

Решение:

1. Чтобы найти t-критерий Стьюдента воспользуемся формулой (38).

= 9;= 20= 1,6

Для оценки адекватность параметров регрессии воспользуемся значениями tнабл. По таблицамt-распределения прил. 1t0,95;47= 2,01. Тогда,

t0= 9 >t0,95;47= 2,01 – параметрb0адекватен;

t1= 20 >t0,95;47= 2,01 – параметрb1адекватен;

t2= 1,6 <t0,95;47= 2,01 – параметрb2неадекватен.

2. Коэффициент детерминации R2в линейных моделях равен квадрату множественного коэффициента корреляцииR.

Отсюда R2= 0,852= 0,72.

Для оценки адекватность уравнения регрессии воспользуемся критерием Фишера. Для расчета Fнаблвоспользуемся формулой

= 21,86.

По таблицам F-критерия прил. 1F0,05;2;47= 3,21. Так какF>F0,05;2;47, то в целом уравнение регрессии значимо.

3. Чтобы оценить целесообразность включения в модель дополнительных переменных, необходимо найти частный F-критерий Фишера. Для линейных моделей частныйF-критерий Фишера связан сt-критерием Стьюдента следующим соотношением:

.

Для целесообразности включения фактора х1после факторах2рассчитаемFx1:

= 202= 400.

Так как F= 400 >F0,05;2;47= 3,21, то включение в модель факторах1после факторах2статистически оправдано.

Для целесообразности включения фактора х2после факторах1рассчитаемFx2:

= 1,62= 2,56.

Так как F= 2,56 <F0,05;2;47= 3,21, то включение в модель факторах2после факторах1статистически не оправдано.