эконометрика для очно-заочного 4 курс 2024-2025 год / Эконометрика 2023
.pdf
Тестовое задание 2 по теме 2. На рисунке 12 представлены значения в признака в интервальной шкале (поле "Оценка"). Найдите стандартизированную ранжировку четвертого признака. При ранжировании признаков следует принять минимальное значение оценки за меньший ранг.
Рис. 12. Оценка признака в интервальной шкале
А) 5,5 Б) 9,5 В) 4 Г) 4,5 Д) 6,5 Е) 9 Ж) 6 З) 5
Решение
Первый ранг в соответствии с указанными требованиями получит признак 9, ранг 2 -признак 7, ранг 3 -признак 5, признаки 2 и 8 поделят между собой 4 и 5 место и получат ранг 4,5.
Ответ: Г)
Тестовое задание 3 по теме 2. На основании построенной таблицы сопряженности (рисунок 13) между двумя признаками "наличие автомобиля" и "острота зрения" рассчитайте коэффициент ассоциации (связи).
Рис. 13. Таблица сопряженности признаков
41
А) 1 Б) 80
В) 0,875 Г) -1 Д) -0,125 Е) 0,125
Ж) -0,875
Решение
Таблица сопряженности при наличии двух состояний признака представлена таблицей исходных данных. Представим таблицу сопряженности использованием условных обозначений в общем виде (таблица 27).
Таблица 27 - Таблица сопряженности при наличии двух состояний признака
Признак |
|
А |
|
|
|
А |
|
Сумма |
B |
|
|
|
|
|
|
∙ |
|
|
|
|
|
|
|
|
||
Сумма |
|
|
|
|
|
|
|
N∙ |
|
|
∙ |
|
|
|
∙ |
|
|
Коэффициент ассоциации (связи) рассчитывается по формуле (18). |
||||||||
|
|
|
|
∙ |
|
∙ |
(18) |
|
|
|
|
∙ |
|
∙ |
|
|
|
|
|
|
|
0 ∙ 20 |
10 ∙ 50 |
1 |
|
|
Ответ: Г) |
|
0 ∙ 20 |
10 ∙ 50 |
|
||||
Тестовое задание 4 по теме 2. На рисунке 14 представлена диаграмма разброса и коэффициент корреляции Пирсона, определяющие наличие или отсутствие связи между двумя переменными "Мощность" и "Расход топлива". Заполните нижеприведенный текст выводами, которые можно сделать на основании представленной информации. Для справки приводится Шкала Чеддока (таблица 28).
Текст: Между переменными "Мощность" и "Расход топлива" наблюдается
.........(укажите направление связи), ...........(укажите силу связи) линейная связь.
А) слабая Б) функциональная В) линейная
42
Г) обратная Д) прямая Е) заметная
Ж) отсутствует З) сильная К) нелинейная
Рис. 14 Диаграмма разброса и значение коэффициента корреляции Пирсона
Таблица 28 - Интерпретация значений коэффициента корреляции Пирсона с помощью шкалы Чеддока
Значение |
Характер линейной корреляционной связи между |
признаками |
|
0-0,2 |
Связь практически отсутствуют |
0,2-0,5 |
Связь слабая |
0,5-0,7 |
Связь средняя (умеренная) |
0,7-0,95 |
Связь сильная (тесная) |
0,95-1 |
Практически функциональная зависимость |
Ответ. Связь прямая, сильная (тесная). 43
2.6. Решение варианта контрольной работы №1 по теме 2
Задача3. Контрольнаяработа1 потеме2. По даннымтаблицы29 рассчитайте коэффициент парной корреляции Пирсона. Интерпретируйте результаты без проверки коэффициента на значимость.
Таблица 29 – Исходные данные к задаче 3 контрольной работы 1.
X |
Y |
4 |
1 |
6 |
3 |
7 |
5 |
9 |
7 |
12 |
8 |
5 |
4 |
8 |
12 |
7 |
2 |
1. Определим средние значения переменных.
̅ |
∑ |
8 |
|
7,25 |
|
∑ |
8 |
|
5,25 |
2. Представим вспомогательные расчеты в виде таблицы 30
Таблица 30 - Вспомогательные расчеты для задачи 3 контрольной работы 1 по темам 1,2.
-3,25 |
-4,25 |
|
13,8125 |
|
10,5625 |
18,0625 |
||
∙ |
|
|
|
|
||||
-1,25 |
-2,25 |
|
2,8125 |
|
1,5625 |
5,0625 |
||
-0,25 |
-0,25 |
|
0,0625 |
|
0,0625 |
0,0625 |
||
1,75 |
1,75 |
|
3,0625 |
|
3,0625 |
3,0625 |
||
4,75 |
2,75 |
|
13,0625 |
|
22,5625 |
7,5625 |
||
-2,25 |
-1,25 |
|
2,8125 |
|
5,0625 |
1,5625 |
||
0,75 |
6,75 |
|
5,0625 |
|
0,5625 |
45,5625 |
||
-0,25 |
-3,25 |
|
0,8125 |
|
0,0625 |
10,5625 |
||
Сумма |
|
41,5 |
|
|
43,5 |
|
91,5 |
|
3. Определим значение коэффициента корреляции Пирсона
44
|
|
∑ |
|
̅ |
|
|
41,5 |
0,657799 |
|
∑ |
|
|
̅∑ |
|
|
43,5 ∙ 91,5 |
|
Проверим расчеты с помощью MS Excel (рисунок 15)
Рис. 15 Отчет Excel для решения задачи 3. Контрольная работа №1 по теме
2
Ответ: В),Д,Е. Между переменными наблюдается линейная, прямая, заметная корреляция по шкале Чеддока.
ТЕМА 3. ОЦЕНКА И ИНТЕРПРЕТАЦИЯ ПАРАМЕТРОВ РЕГРЕССИОННОЙ МОДЕЛИ
3.1 Идентификация параметров парной регрессии с помощью метода наименьших квадратов
3.1.1. Идентификация параметров парной регрессии на основе системы нормальных уравнений
Задача для решения в классе (пример 3.1).
Исследуется зависимость показателя Y «число сбоев в работе станка» от показателя X «суммарная длительность работы станка, в сутках» по 13 станкам (исходные данные приводятся в таблице 31, i – порядковый номер станка, или наблюдения).
Таблица 31 – Исходные данные к примеру 3.1
i |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
Y |
6 |
23 |
29 |
15 |
14 |
30 |
27 |
24 |
9 |
6 |
2 |
12 |
16 |
X |
20,5 |
91,7 |
100,9 |
75,8 |
76,3 |
74,5 |
86,4 |
64,1 |
75 |
26,6 |
26 |
54 |
54,7 |
Необходимо осуществить идентификацию параметров парной регрессии методом наименьших квадратов на основе системы нормальных уравнений.
Решение
Запись модели парной линейной регрессии в общем виде, для показателей в целом и для i-ого наблюдения, дана в формулах.
|
|
|
(19) |
(20) |
|||
|
|
|
|
|
|
45 |
|
|
Запишем формулы оценок параметров парной линейной регрессии на |
|||||
основе системы нормальных уравнений (21)-(22). |
|
|||||
|
|
, |
∑ |
|
|
(21) |
|
|
|
|
(22) |
||
|
|
|
|
|
|
|
i
1
2
3
4
5
6
7
8
9
10
11
12
13
Сумма Среднее
Осуществим вспомогательные расчеты, сведя их в таблицу 32. Таблица 32. Вспомогательные расчеты к примеру 3.1 по теме 3
6 |
|
-10,4 |
|
|
|
|
|
|
|
|
|
|
|
20,5 |
|
-43,1 |
|
447,3 |
|
108,16 |
1857,61 |
||||
23 |
91,7 |
6,6 |
28,1 |
|
186,0 |
|
43,56 |
789,61 |
||||
29 |
100,9 |
12,6 |
37,3 |
|
470,8 |
|
158,76 |
1391,29 |
||||
15 |
75,8 |
-1,4 |
12,2 |
|
-16,9 |
|
1,96 |
148,84 |
||||
14 |
76,3 |
-2,4 |
12,7 |
|
-30,3 |
|
5,76 |
161,29 |
||||
30 |
74,5 |
13,6 |
10,9 |
|
148,7 |
|
184,96 |
118,81 |
||||
27 |
86,4 |
10,6 |
22,8 |
|
242,3 |
|
112,36 |
519,84 |
||||
24 |
64,1 |
7,6 |
0,5 |
|
4,0 |
|
57,76 |
0,25 |
||||
9 |
75,0 |
-7,4 |
11,4 |
|
-84,4 |
|
54,76 |
129,96 |
||||
6 |
26,6 |
-10,4 |
-37,0 |
|
384,0 |
|
108,16 |
1369 |
||||
2 |
26,0 |
-14,4 |
-37,6 |
|
540,5 |
|
207,36 |
1413,76 |
||||
12 |
54,0 |
-4,4 |
-9,6 |
|
42,0 |
|
19,36 |
92,16 |
||||
16 |
54,7 |
-0,4 |
-8,9 |
|
3,4 |
|
78,8 |
79,21 |
||||
16,4 |
63,6 |
- |
|
- |
|
|
- |
|
|
- |
|
- |
- |
- |
- |
- |
2337,5 |
1141,72 |
8071,63 |
|
2337,5 |
0,29 |
|
8071,6 |
2,03 |
||
|
16,4 |
0,2895 ∙ 63,6 |
Ответ: запишем модель парной регрессии с учетом найденных оценок параметров (в явном виде):
Y 2,03 0,29 .
Задача для решения в классе (пример 3.2).
46
Имеется объектно-пространственная выборка по Центральному федеральному округу РФ (кроме Москвы и Московской области) за 2012 год по среднемесячной номинальной начисленной заработной плате на одного работника ( ) и уровню безработицы ( ) от Росстата (таблица 33). Предполагается, что между этими показателями существует линейная зависимостьвида , показаннаянаграфикеразброса(рисунок16) в виде пунктирной прямой. Найдите параметры модели парной линейной регрессии.
Таблица 33 – Исходные данные к примеру 3.2 по теме 3
i |
Субъект РФ |
Заработная плата 2012, тыс. руб. |
Безработица 2012, % |
i |
Субъект РФ |
Заработная плата 2012, тыс. руб. |
Безработица 2012, % |
|
|
|
|
||||
|
|
|
|
|
|
|
|
1 |
Белгородская область |
20,0 |
3,7 |
9 |
Липецкая область |
19,4 |
3,6 |
2 |
Брянская область |
16,5 |
5,1 |
10 |
Орловская область |
16,9 |
5,3 |
3 |
Владимирская область |
18,3 |
4,4 |
11 |
Рязанская область |
19,1 |
4,6 |
4 |
Воронежская область |
19,5 |
5,5 |
12 |
Смоленская область |
17,9 |
5,7 |
5 |
Ивановская область |
17,0 |
6,3 |
13 |
Тамбовская область |
16,9 |
4,9 |
6 |
Калужская область |
23,7 |
4,3 |
14 |
Тверская область |
20,2 |
5,0 |
7 |
Костромская область |
16,9 |
4,8 |
15 |
Тульская область |
20,1 |
4,6 |
8 |
Курская область |
18,7 |
5,1 |
16 |
Ярославская область |
20,4 |
3,4 |
Рис. 16. Разброс наблюдений, пример 3.2
Решение
Для отыскания выборочных оценок и неизвестных коэффициентов линейной регрессии a и b воспользуемся формулами (23)-(24).
|
∑ |
|
∑ |
|
(23) |
|
|
|
|
|
|
|
|
|
47 |
|
|
|
∑ |
|
∑ |
∑ |
|
(24) |
∑ |
|
∑ |
|
|
|
Где n – количество наблюдений (объектов) в выборке. Проведем дополнительные расчеты в таблице 34.
Таблица 34 – Вспомогательные расчеты к примеру 3.2 по теме 3
i |
|
|
|
|
|
3,7 |
|
|
|
|
|
|
400,00 |
|
1 |
|
20,0 |
|
74,00 |
|
|||||||
|
2 |
|
|
16,5 |
|
5,1 |
|
|
|
84,15 |
|
|
272,25 |
|
3 |
|
|
18,3 |
|
4,4 |
|
|
|
80,52 |
|
|
334,89 |
|
4 |
|
|
19,5 |
|
5,5 |
|
|
|
107,25 |
|
|
380,25 |
|
5 |
|
|
17,0 |
|
6,3 |
|
|
|
107,10 |
|
|
289,00 |
|
6 |
|
|
23,7 |
|
4,3 |
|
|
|
101,91 |
|
|
561,69 |
|
7 |
|
|
16,9 |
|
4,8 |
|
|
|
81,12 |
|
|
285,61 |
|
8 |
|
|
18,7 |
|
5,1 |
|
|
|
95,37 |
|
|
349,69 |
|
9 |
|
|
19,4 |
|
3,6 |
|
|
|
69,84 |
|
|
376,36 |
10 |
|
|
16,9 |
|
5,3 |
|
|
|
89,57 |
|
|
285,61 |
|
11 |
|
|
19,1 |
|
4,6 |
|
|
|
87,86 |
|
|
364,81 |
|
12 |
|
|
17,9 |
|
5,7 |
|
|
|
102,03 |
|
|
320,41 |
|
13 |
|
|
16,9 |
|
4,9 |
|
|
|
82,81 |
|
|
285,61 |
|
14 |
|
|
20,2 |
|
5,0 |
|
|
|
101,00 |
|
|
408,04 |
|
15 |
|
|
20,1 |
|
4,6 |
|
|
|
92,46 |
|
|
404,01 |
|
16 |
|
|
20,4 |
|
3,4 |
|
|
|
69,36 |
|
|
416,16 |
|
Σ |
|
|
|
301,5 |
|
76,3 |
|
|
|
1426,35 |
|
|
5734,39 |
Рассчитаем оценку параметра b по формуле (24), используя суммы из таблицы 34, а также 16, т.к. в выборке 16 субъектов РФ:
|
|
|
16 ∙ 1426,35 301,5 ∙ 76,3 |
0,216 |
|
|||
|
|
16 ∙ 5734,39 |
301,5 |
|
||||
Рассчитаем оценку константы ( |
) |
по формуле (23), |
используя оценку |
|||||
коэффициента ( |
|
) и данные таблицы 34. |
|
∙ 301,5 |
|
|
||
|
|
76,3 |
0,216 |
8,832 |
|
|||
|
|
|
16 |
|
|
8,832 0,216 . |
||
Ответ. Модель парной линейной регрессии примет вид: |
||||||||
3.1.2. Идентификация параметров парной регрессии в матричном виде
48
Задача для решения в классе (пример 3.3).
По данным примера 3.1 (таблица 32) необходимо осуществить идентификацию параметров парной регрессии в матричном виде.
Решение
Для оценки параметров парной регрессии модели воспользуемся формулой записи модели регрессии в матричном виде (25).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, Z |
1 |
|
|
, |
|
|
(25) |
||
|
|
1 |
|
|
|
|
|
|
|
||
|
1 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||
Здесь – вектор-столбец искомых оценок параметров модели; Z – расширенная матрица независимых переменных модели, составленная из столбца единиц (для оценки константы) и столбца значений независимой переменной X; Y – вектор-столбец значений зависимой переменной (показатель
Y).
Найдем матрицу ; вспомогательные расчеты представлены в таблице
32.
|
|
1 |
|
1 |
|
|
1 |
… |
1 |
|
|
1 |
20,5 |
|
|
|
|
|
|
|
|
|
|
|
∙ |
1 |
91,7 |
|
|
|
|||||||
20,5 |
91,7 |
100,9 |
… |
54,7 |
1 |
100,9 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
1 ∙ 1 |
|
1 ∙ 1 |
|
|
1 ∙ 20,5 |
|
1 |
54,7 |
13 |
826,5 |
. |
|||||
|
|
|
|
1 ∙ 54,7 |
|
|
||||||||||||
|
1 ∙ 20,5 |
|
1 ∙ 54,7 |
20,5 |
|
54,7 |
|
|
826,5 |
60617,95 |
|
|||||||
|
|
Определитель |
|
: |
∆ |
13 ∙ 60617,95 |
826,5 |
|
104931,1. |
|
||||||||
|
|
Матрицу, |
|
|
|
|
||||||||||||
|
|
|
|
обратную данной, обозначим как |
|
(26) и в расчетах округлим |
||||||||||||
ее элементы до 6 знаков после запятой (это даст |
необходимую точность оценок): |
|||||||||||||||||
|
|
|
|
|
||||||||||||||
|
|
|
13 |
|
|
|
|
|
|
|
|
60617,95 |
826,5 , |
(26) |
||||
|
|
826,5 |
|
1 ∆ ∙ |
|
|||||||||||||
|
|
|
826,5 |
60617,95 |
|
|
|
|
826,5 |
13 |
|
|
||||||
|
|
|
0,577693 |
|
|
0,007877 |
49. |
|
|
|
|
|
|
|||||
|
|
|
0,007877 |
|
0,000124 |
|
|
|
|
|
|
|
||||||
Матрица имеет размерность 2x1:
|
1 |
1 |
1 |
… |
1 |
|
6 |
213 |
Z Y |
∙ |
23 |
||||||
20,5 |
91,7 |
100,9 |
… |
54,7 |
|
15879,4 . |
||
|
|
|
|
|
|
|
16 |
|
Рассчитаем оценки параметров модели регрессии по формуле (26):
Ответ |
0,577693 |
0,007877 |
213 |
2,03 |
|
0,007877 |
0,000124 |
15879,4 |
0,29 |
|
|
: запишем модель с учетом∙ |
найденных оценок параметров. |
(в явном |
|||
виде): |
2,03 0,29X |
|
|
|
|
|
|
|
|
|
|
3.1.3. Интерпретация параметров регрессии
Задача для решения в классе (пример 3.4).
На основании результатов решения задачи 3.1 (Таблица 32), определите, как изменится число сбоев, если время работы возрастет на 10 суток?
Решение |
|
|
|
|
Параметр регрессии , то есть коэффициент перед X показывает, на |
||||
сколько единиц измерения изменится |
Y (число сбоев), если X (время работы, в |
|||
сутках) изменится на одну свою единицу измерения. Коэффициент |
, |
|||
следовательно, если время работы возрастет на 10 суток, количество |
сбоев |
|||
0,29 |
||||
изменится на |
2,8 3 |
. |
|
|
Ответ. 0,29 ∙ 10 |
|
|
|
|
Если время работы возрастет на 10 суток, то случится на 3 сбоя
больше.
3.1.4. Интерпретация параметров регрессии на основе нормированного коэффициента регрессии
Задача для решения в классе (пример 3.5).
На основании результатов решения задачи 3.1 (Таблица 32), определите, на сколько стандартных отклонений изменится число сбоев, если показатель времени работы уменьшится на 1 свое стандартное отклонение?
Решение
Рассчитаем нормированный коэффициент регрессии (бета-коэффициент) по формуле (27):
50
