- •Министерство образования и науки Российской Федерации
- •Отобрать факторы в регрессионную модель и выбрать форму модели.
- •Проверка выполнения предпосылок мнк.
- •Тест на гомоскедастичность.
- •Тест на наличие автокорреляции.
- •Оценить качество и надежность построенной модели. Оценить статистическую значимость найденных эмпирических коэффициентов регрессии.
- •Построить доверительные интервалы для найденных коэффициентов.
- •Вычислить коэффициент детерминации r2 и оценить его статистическую значимость.
- •Экономическая интерпретация результатов моделирования.
- •Прогнозирование.
Отобрать факторы в регрессионную модель и выбрать форму модели.
Установка продолжительности отчетных динамических рядов дает возможность определить число факторов, подлежащих включению в модель. На каждый фактор модели должно приходиться не менее 5 точек наблюдения, тогда влияние факторов на результирующий показатель можно назвать неслучайным.
В нашем случае продолжительность рядов составляет 16 точек наблюдений (т.е. 16 лет) и мы можем взять не более 3 факторов, которые можно включить в модель.
На основе коэффициента парной корреляции рассчитаем взаимозависимости между зависимой (У) и переменными (х1, х2, х3, х4), а также переменных между собой.
Результаты расчетов представлены в таблице 3.
Табл.3.
|
Y |
X1 |
X2 |
X3 |
x4 |
Y |
1 |
0,988729 |
0,969317 |
0,846825 |
0,889863 |
X1 |
|
1 |
0,971383 |
0,877547 |
0,858587 |
X2 |
|
|
1 |
0,832044 |
0,92089 |
X3 |
|
|
|
1 |
0,602934 |
x4 |
|
|
|
|
1 |
В модель можно выбрать 3 фактора. Так как коэффициент парной корреляции между факторами х3 и х4 минимален, то включаем их в модель.
Максимально возможное число факторов модели равно 3, однако, добавление любого из оставшихся факторов невозможно, в связи с их сильной взаимозависимостью.
По МНК оценить коэффициенты линейной регрессии bi, i=0,1,2 и построить регрессионную модель y =b0+b1x1+b2x2+ε
Для определения оценок b0,b1,b2воспользуемся матричным МНК. Представим данные наблюдений и коэффициенты в матричном виде. Тогда вектор оценок коэффициентов регрессии найдем по формуле В = (Хт Х)-1 Хт У
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
2,5 |
3 |
3,9 |
3,8 |
4 |
4,2 |
4,5 |
5,1 |
5,5 |
5,9 |
6,3 |
7,9 |
7 |
5,3 |
5,8 |
6,3 |
615,9 |
850 |
961 |
1022,3 |
1137,5 |
1279,2 |
1372,3 |
1724,7 |
2095,5 |
2152 |
2232,1 |
2942 |
2600 |
1954 |
2144 |
2334 |
XТ=
16 |
244 |
136 |
244 |
3776 |
2156 |
136 |
2156 |
1496 |
ХТ*Х =
5,2217 |
-0,3747 |
0,065 |
-0,375 |
0,02839 |
-0,01 |
0,0654 |
-0,0068 |
0,005 |
(ХТ*Х)-1 =
27417 |
434878 |
276951 |
ХТ*У =
-1702 |
175,62 |
86,794 |
В = ((ХТ*Х)-1) ХТ*У =
Следовательно коэффициенты регрессии следующие:
b0 = - 1702;
b1 = 175,62;
b2 = 86,79.
Уравнение регрессии имеет вид: У = -1702 + 175,62*Х1+ 86,79*Х2, где
Х1 – валовой сбор овощей
Х2– время
Проверка выполнения предпосылок мнк.
Применение МНК для получения оценок параметров предполагает выполнение следующих предпосылок:
Уравнение должно быть линейно относительно параметров;
Отсутствует статистическая линейная зависимость между параметрами х;
Переменные хiнаблюдаются без ошибок;
Математическое ожидание случайных отклонений ui= 0;
y |
ŷ |
y-ŷ |
615,9 |
386,62 |
229,28 |
850 |
719,24 |
130,76 |
961 |
1034,3 |
-73,3 |
1022,3 |
1156,2 |
-133,9 |
1137,5 |
1330,78 |
-193,28 |
1279,2 |
1435,12 |
-155,92 |
1372,3 |
1504,34 |
-132,04 |
1724,7 |
1907,22 |
-182,52 |
2095,5 |
2064,2 |
31,3 |
2152 |
1975,4 |
176,6 |
2232,1 |
1921,7 |
310,4 |
2942 |
2763,56 |
178,44 |
2600 |
2516,7 |
83,3 |
1954 |
1971,32 |
-17,32 |
2144 |
2233,7 |
-89,7 |
2334 |
2496,08 |
-162,08 |
|
|
ui = 0,0
|
Отклонение uiимеет постоянную по времени дисперсию (гомоскедастичность) и не автокоррелированы.
Распределение ui не зависит от х, если х – случайные переменные.
Случайные отклонения подчинены нормальному закону распределения.