- •Государственный институт экономики финансов права и технологий
- •Глава 1. Постановка задачи
- •Глава 2. Приведение исходного нелинейного уравнения регрессии к линейному
- •Глава 3. Проверка наличия мультиколлениарности между факторами модели
- •Глава 4. Определение парамтров построения уравнения регресии
- •Глава 5.Проверка адекватности и точности модели
- •5.1. Проверка случайности колебаний уровней остаточной последовательности
- •5.2. Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •5.3. Проверка равенства математического ожидания случайной компоненты нулю.
- •5.4. Проверка независимости значений уровней случайной компоненты
- •5.5. Определение точности модели.
- •Глава 6. Проверка отсутсвия или наличия гетероскедастичности исследуемой модели Дисперсия случайного члена уравнения регрессии в каждом наблюдении должна быть постоянна.
- •Глава 7. Метод ирвина
- •Глава 8. Определение оптимального вида линии тренда. Прогноз показателей
- •Заключение
- •Список литературы
- •Приложение
5.5. Определение точности модели.
Точность модели характеризуется величиной отклонения выхода модели от реального значения моделированных переменных. Для показателя представленного рядом значений точность определяется как разность между значением фактического уровня ряда и его оценкой полученной расчётным путём с использованием моделей. При этом в качестве статистических показателей точности применяют следующие:
1. Среднеквадратичное отклонение:
,
где:
yi - фактическое значение рядя;
- теоретическое значение ряда;
n - количество наблюдений;
р - количество независимых параметров.
В данной задаче 0,183269632.
Недостатком этого показателя является то, что величина зависит от масштаба измеряемых величин, поэтому трудно сопоставлять изучаемые модели по данному критерию.
2.Средняя относительная ошибка аппроксимации:
В нашем случае 0,000936734.
3. Коэффициент сходимости:
где: - среднее значение.
В нашей задаче 0,048910453.
Он показывает, какую долю изменения результирующего признака можно объяснить изменением не включенных в модель факторов.
4. Коэффициент детерминации:
В данной задаче 0,951089547.
Он показывает, какую долю изменения результирующего признака можно объяснить изменением включенных в модель факторов.
Глава 6. Проверка отсутсвия или наличия гетероскедастичности исследуемой модели Дисперсия случайного члена уравнения регрессии в каждом наблюдении должна быть постоянна.
Под понятием дисперсия имеется в виду возможное поведение случайного члена уравнения регрессии до того, как сделана выборка.
В том случае, когда дисперсия каждого отклонения εi неодинакова для всех значений xi, имеет место гетероскедастичность.
Если гетероскедастичность имеет место, то оценки параметров уравнения регрессии полученные методом наименьших квадратов будут неэффективными, стандартные ошибки коэффициентов уравнения регрессии, которые будут неверными и t-статистика будет завышенной, а значит будет неправильно представление о точности в полученных коэффициентах уравнения регрессии. Это происходит из-за того, что статистические критерии рассчитываются исходя из гомоскедастичности случайной компоненты.
Для обнаружения гетероскедастичности используются различные тесты. В данной работе использован тест ранговой корреляции Спирмена. При его выполнении предполагается, что дисперсия случайного члена уравнения регрессии будет либо увеличиваться, либо уменьшаться по мере увеличения х. И поэтому в регрессии, оцениваемой с помощью метода наименьших квадратов, абсолютные величины остатков |εi| и значения х будут коррелируемы.
Данные по х и остатки |εi| упорядочиваются по возрастанию. Затем находится ранг для каждого значения х и |εi|.
Коэффициент ранговой корреляции определяют по формуле:
(1)
где:
n - количество наблюдений;
D - разность рангов х и модуля остатков D.
Di=Rxi-R|εi|.
Если предположить, что коэффициент корреляции для генеральной совокупности равен нулю, то коэффициент ранговой корреляции имеет нормальное распределение с математическим ожиданием равным нулю и дисперсия
. (2)
В этом случае t-статистика:
(3)
И при использовании двухстороннего критерия нулевая гипотеза об
отсутствии гетероскедастичности будет отклонена для генеральной совокупности при уровне значимости в 5%, если она превысит значение 1,96.
В рассматриваемой задаче:
Таблица №12
t |
Z2 (t) |
Остатки |
Z2 (t) |
modE |
modE |
D |
D^2 |
1 |
12,65148998 |
-0,063799547 |
3,301927 |
0,0638 |
0,005710805 |
-3 |
9 |
2 |
8,549879733 |
0,537706309 |
4 |
0,537706 |
0,063799547 |
-7 |
49 |
3 |
9,654893846 |
0,323928589 |
5,241483 |
0,323929 |
0,093846652 |
0 |
0 |
4 |
9,654893846 |
-0,269116041 |
5,241483 |
0,269116 |
0,160590549 |
-3 |
9 |
5 |
8,549879733 |
0,005710805 |
5,241483 |
0,005711 |
0,247036568 |
-7 |
49 |
6 |
8,549879733 |
-0,589002641 |
5,808786 |
0,589003 |
0,269116041 |
-10 |
100 |
7 |
6,082201996 |
-0,577214039 |
6,082202 |
0,577214 |
0,285106115 |
-6 |
36 |
8 |
5,241482788 |
0,093846652 |
6,082202 |
0,093847 |
0,323928589 |
-10 |
100 |
9 |
5,808785734 |
-0,907128548 |
6,082202 |
0,907129 |
0,397653893 |
-6 |
36 |
10 |
6,082201996 |
1,158304042 |
6,611489 |
1,158304 |
0,428998847 |
-10 |
100 |
11 |
5,241482788 |
-0,285106115 |
6,868285 |
0,285106 |
0,537706309 |
6 |
36 |
12 |
6,082201996 |
-0,667358338 |
7,120367 |
0,667358 |
0,542485718 |
2 |
4 |
13 |
6,611489018 |
1,868290289 |
7,368063 |
1,86829 |
0,577214039 |
-6 |
36 |
14 |
6,868285455 |
-0,247036568 |
8,320335 |
0,247037 |
0,589002641 |
-3 |
9 |
15 |
7,120367359 |
-0,428998847 |
8,54988 |
0,428999 |
0,667358338 |
4 |
16 |
16 |
7,368062997 |
1,350051447 |
8,54988 |
1,350051 |
0,907128548 |
15 |
225 |
17 |
8,320335292 |
-0,997655076 |
8,54988 |
0,997655 |
0,997655076 |
3 |
9 |
18 |
5,241482788 |
-0,542485718 |
9,654894 |
0,542486 |
1,158304042 |
10 |
100 |
19 |
4 |
0,397653893 |
9,654894 |
0,397654 |
1,350051447 |
13 |
169 |
20 |
3,301927249 |
-0,160590549 |
12,65149 |
0,160591 |
1,868290289 |
18 |
324 |
При проверке наличия или отсутствия гетероскедастичности в исследуемой модели, с помощью теста ранговой корреляции Спирмена, получаем:
По формуле (1) = -0,06466.
Из формулы (3) следует, что = -0,28185
Следовательно, при использовании двустороннего критерия нулевая гипотеза об отсутствии гетероскедастичности принимается при уровне значимости 5% , так как -0,06466 < 1,96.