Эконометрика
.pdfР и с. 1.1.2.3. Результат применения инструмента «Регрессия»
1.1.3. Задания для самостоятельной работы
Задание 1.1.3.1. Начальник отдела маркетинга кинотеатра «Отражение» поручил своим сотрудникам провести исследование, в результате которого необходимо: 1) выявить фактор, в наибольшей степени влияющий на среднее число зрителей за первые три дня проката фильма; 2) построить прогнозную модель в виде линейной функции; 3) с помощью построенной модели получить прогнозные оценки среднего числа зрителей на первые три дня проката следующих двух фильмов. Специалисты отдела маркетинга экспертным путем в качестве фактора, в наибольшей степени влияющего на посещение киносеансов, установили расходы на рекламу фильма, (см. табл. 1.1.3.1). Выполните 2-е и 3-е задание начальника отдела маркетинга.
Т а б л и ц а 1.1.3.1
Среднее число зрите- |
Расходы |
Среднее число зрите- |
Расходы |
лей за первые три дня |
на рекламу |
лей за первые три дня |
на рекламу |
проката фильма |
фильма, руб. |
проката фильма |
фильма, руб. |
282 |
2750 |
305 |
4565 |
263 |
2430 |
328 |
5987 |
295 |
3700 |
335 |
6100 |
276 |
2860 |
251 |
2375 |
285 |
3180 |
292 |
3480 |
342 |
4270 |
290 |
3295 |
276 |
2875 |
387 |
7500 |
328 |
5295 |
326 |
5430 |
321 |
5140 |
347 |
6310 |
326 |
4870 |
234 |
2100 |
11
Задание 1.1.3.2. В табл. 1.1.3.2 представлены данные, которые были собраны при проведении исследований по оценке стоимости недвижимости.
Т а б л и ц а 1.1.3.2
|
Оценка |
Рыночная |
|
Оценка |
Рыночная |
Дом |
инвентаризации, |
стоимость, |
Дом |
инвентаризации, |
стоимость, |
|
тыс. у.е. |
тыс. у.е. |
|
тыс. у.е. |
тыс. у.е. |
1 |
68,2 |
87,4 |
16 |
74,0 |
88,4 |
2 |
74,6 |
88,0 |
17 |
72,8 |
93,6 |
3 |
64,6 |
87,2 |
18 |
80,4 |
92,8 |
4 |
80,2 |
94,0 |
19 |
74,2 |
90,6 |
5 |
76,0 |
94,2 |
20 |
80,0 |
91,6 |
6 |
78,0 |
93,6 |
21 |
81,6 |
92,8 |
7 |
76,0 |
88,4 |
22 |
75,6 |
89,0 |
8 |
77,0 |
92,2 |
23 |
79,4 |
91,8 |
9 |
75,2 |
90,4 |
24 |
82,2 |
98,4 |
10 |
72,4 |
90,4 |
25 |
67,0 |
89,8 |
11 |
80,0 |
93,6 |
26 |
72,0 |
97,2 |
12 |
76,4 |
91,4 |
27 |
73,6 |
95,2 |
13 |
70,2 |
89,6 |
28 |
71,4 |
88,8 |
14 |
75,8 |
91,8 |
29 |
81,0 |
97,4 |
15 |
79,2 |
94,8 |
30 |
80,6 |
95,4 |
Построить регрессионное уравнение, отражающее зависимость рыночной стоимости дома от стоимости, указанной в книге инвентаризации.
Для построенного уравнения вычислить:
1) коэффициент корреляции; 2) коэффициент детерминации; 3) дисперсионное отношение Фишера; 3) стандартные ошибки коэффициентов регрессии; 4) t-статистики Стьюдента; 5) доверительные границы коэффициентов регрессии; 6) усредненное значение коэффициента эластичности.
Рассчитайте рыночную стоимость дома, если инвентаризационная комиссия оценит его в 90,5 тыс. у.е.
Все расчеты проведите в Excel с использованием выше приведенных формул и пакета анализа. Результаты, полученные по формулам и с помощью пакета анализа, сравните между собой.
Задание 1.1.3.3. По данным табл. 1.1.3.2 постройте уравнение регрессии в виде показательной функции. Для построенного уравнения вычислите:
1) индекс корреляции; 2) коэффициент детерминации; 3) F-критерий.
12
Дайте содержательную интерпретацию коэффициента регрессии, построенной модели. Все расчеты проведите в Excel с использованием выше приведенных формул.
Задание 1.1.3.4. По данным табл. 1.1.3.3:
1)для характеристики зависимости стоимости поддержанных автомобилей ВАЗ 2105 и ВАЗ 2107 рассчитайте параметры функций равносторонней гиперболы;
2)постройте степенные уравнения регрессии, отражающие зависимость стоимости подержанных автомобилей моделей ВАЗ 2109 и ВАЗ 21099 от срока их эксплуатации. Для построенных уравнений вычислите: а) индекс корреляции; б) коэффициент детерминации; в) дисперсионное отношение Фишера. Дайте содержательную интерпретацию коэффициента регрессии, построенных моделей.
Та б л и ц а 1.1.3.3
Стоимость подержанных автомобилей, руб. |
|
Срок эксплуатации, лет |
||
ВАЗ 2105 |
ВАЗ 2107 |
ВАЗ 2109 |
ВАЗ 21099 |
|
83000 |
99000 |
112000 |
130000 |
1 |
86000 |
95000 |
101000 |
121000 |
2 |
84000 |
88000 |
91000 |
107000 |
3 |
79000 |
79000 |
82000 |
96000 |
4 |
66000 |
82000 |
73000 |
87000 |
5 |
69000 |
70000 |
66000 |
79000 |
6 |
53000 |
72000 |
59000 |
72000 |
7 |
46000 |
67000 |
53000 |
66000 |
8 |
47000 |
59000 |
48000 |
59000 |
9 |
41000 |
55000 |
43000 |
54000 |
10 |
44000 |
44000 |
39000 |
49000 |
11 |
24000 |
40000 |
35000 |
45000 |
12 |
20000 |
32000 |
32000 |
41000 |
13 |
19000 |
27000 |
30000 |
39000 |
14 |
Задание 1.1.3.5. Данные о доходностях рискованных активов трех видов, доходностях рыночного индекса акций и величинах безрисковой процентной ставки последовательно за 12 мес. приведены в табл. 1.1.3.4. Оцените коэффициенты линейных регрессий ztj rjt rft ,
j 1,2,3 по zt |
rt |
rt |
и найдите значения всех показателей, исполь- |
I |
I |
f |
|
зуемых для тестирования моделей.
13
Т а б л и ц а 1.1.3.4
t |
rft |
, % |
rIt , % |
r1t , % |
r2t , % |
r3t , % |
1 |
6 |
|
18,3 |
18,0 |
31,2 |
37,7 |
2 |
6 |
|
12,0 |
21,3 |
8,9 |
21,8 |
3 |
4 |
|
6,4 |
-0,1 |
9,5 |
14,6 |
4 |
5 |
|
9,5 |
6,6 |
9,6 |
36,9 |
5 |
4 |
|
8,4 |
7,2 |
7,7 |
3,3 |
6 |
4 |
|
8,5 |
1,2 |
14,8 |
-15,6 |
7 |
3 |
|
-3,8 |
-6,0 |
8,4 |
-7,0 |
8 |
2 |
|
-0,1 |
0,8 |
-1,0 |
-9,5 |
9 |
4 |
|
7,5 |
5,1 |
5,5 |
9,6 |
10 |
5 |
|
11,2 |
17,7 |
15,8 |
0,3 |
11 |
4 |
|
6,5 |
11,5 |
7,8 |
14,6 |
12 |
4 |
|
2,8 |
3,1 |
5,3 |
11,9 |
1.2. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ
1.2.1. Расчетные формулы
1.2.1.1. Оценки вектора коэффициентов регрессии: bˆ X X 1 X Y.
1.2.1.2. Стандартная ошибка Sbk k-го коэффициента регрессии,
равная корню квадратному из соответствующего диагонального элемента ковариационной матрицы векторной оценки
|
|
|
|
2 |
ˆ |
2 |
|
|
1 |
, |
|
|
|
|
|
|
|
|
Sˆ |
|
XX |
|
|
|
|||||
|
|
|
b |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где ˆ2 |
e e |
рассчитывается по остаткам e Y Xbˆ |
||||||||||||
|
||||||||||||||
|
n m 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1.2.1.3. Множественный индекс корреляции: |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Ryx x |
|
, ,x |
|
1 |
yi yˆi 2 |
. |
||||||
|
|
|
|
yi |
|
2 |
||||||||
|
1 |
2 |
|
m |
|
|
y |
|
1.2.1.4.Бета-коэффициенты:
i bi xi .
y
1.2.1.5.Парные коэффициенты корреляции:
r b |
x |
|
|
xy |
|
x |
|
y |
|
xi |
x |
yi |
y |
|
. |
|||
|
|
|
|
|
|
|
|
|
||||||||||
xy |
1 |
y |
|
|
|
|
|
n 1 |
||||||||||
|
|
|
|
|
|
x y |
|
|
x y |
|
|
|
|
|
1.2.1.6. Множественный коэффициент корреляции:
Ryx1x2, ,xm iryxi .
14
1.2.1.7. Скорректированный коэффициент множественной детерминации:
ˆ |
2 |
|
2 |
(n 1) |
|
|
|
|
|
100. |
|
D R |
|
100 1 (1 R ) |
(n m 1) |
||
|
|
|
|
|
1.2.1.8. Частный F-критерий:
|
|
2 |
, ,x |
|
2 |
|
|
|
|
|
|
|
Ryx x |
|
Ryx , ,x x |
n m 1 |
|
||||
|
|
1 2 |
m |
1 |
i 1 |
i 1, ,x |
|
|||
F |
|
|
|
|
|
|
m |
|
|
. |
|
|
|
2 |
|
|
1 |
||||
x |
|
|
1 |
|
, ,x |
|
|
|
||
i |
|
|
Ryx x |
|
|
|
|
|||
|
|
|
|
|
1 2 |
m |
|
|
|
|
1.2.1.9. Стандартную ошибку прогноза среднего
|
|
|
ˆ2x |
|
|
|
1x |
|
|
|
|
|
||
S |
ˆ |
|
n 1 |
XX |
|
x |
S |
2x |
. |
|||||
|
|
|
|
n 1 |
|
|
n 1 |
|
ˆ |
n 1 |
|
|||
|
y |
|
|
|
|
|
|
|
|
|
b |
|
|
1.2.10. Для проверки гипотезы о равенстве прогноза среднего значения заданной величине рассчитывается t-статистика:
|
yˆ |
|
y |
|
|
||
tp |
n 1 |
|
|
|
n 1,0 |
. |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
S |
2 |
|
|
|
|
|
|
ˆ |
||||
|
|
|
|
|
y |
1.2.2. Решение типовой задачи
Задание 1.2.2.1. Предприниматель желает сдать в аренду на один год принадлежащий ему отель*** «Блаженство жизни» (80 комнат), расположенный в престижной курортной зоне, обладающий собственным пляжем, общая площадь территории отеля составляет 3,42 кв.м.
Для того чтобы определить величину платы, которую он сможет установить за аренду своего отеля, предприниматель решил проанализировать ситуацию на соответствующей рыночной нише. Изучение объявлений, размещенных в газетах владельцами трехзвездных отелей, позволило ему сформировать небольшую базу данных, представленную в виде табл. 1.2.2.1.
На основе данных этой базы предприниматель решил построить модель множественной регрессии, отражающую зависимость величины годовой арендной платы от числа комнат, престижности района расположения отеля (1 – престижный район, 0
– нет), наличия у отеля собственного пляжа (1 – есть собственный пляж, 0 – нет), а также общей площади территории, принад-
15
лежащей отелю, и с помощью построенной модели определить примерный размер платы, которую он может получать за предоставление в аренду своего отеля.
На данный момент выбор предпринимателя колеблется между 162 тыс. руб. и 165 тыс. руб. Определите наиболее приемлемый размер арендной платы.
Т а б л и ц а 1.2.2.1
Величина годовой |
Число |
Престижность |
Наличие у |
Общая площадь |
|
территории, при- |
|||||
платы за аренду |
комнат |
района, в котором |
отеля собст- |
||
надлежащей отелю, |
|||||
отеля, тыс. руб. |
в отеле |
расположен отель |
венного пляжа |
||
кв. км. |
|||||
123 |
25 |
1 |
1 |
1,00 |
|
115 |
25 |
0 |
0 |
0,80 |
|
126 |
30 |
1 |
1 |
1,20 |
|
130 |
30 |
0 |
1 |
1,50 |
|
125 |
30 |
1 |
0 |
1,40 |
|
134 |
45 |
0 |
0 |
2,00 |
|
142 |
45 |
1 |
0 |
2,50 |
|
140 |
45 |
0 |
1 |
2,20 |
|
143 |
45 |
0 |
0 |
2,70 |
|
150 |
60 |
0 |
1 |
2,80 |
|
153 |
60 |
0 |
1 |
3,00 |
|
158 |
60 |
1 |
0 |
3,60 |
|
160 |
75 |
1 |
1 |
3,50 |
|
163 |
75 |
0 |
0 |
3,80 |
|
164 |
75 |
1 |
1 |
3,60 |
|
168 |
75 |
0 |
0 |
3,75 |
|
172 |
100 |
0 |
1 |
4,10 |
|
180 |
100 |
1 |
1 |
4,70 |
|
177 |
120 |
1 |
1 |
4,25 |
|
182 |
120 |
0 |
1 |
4,65 |
Решение с помощью табличного процессора Excel
1.Ввод исходных данных с включением дополнительной переменной x0 , принимающей единственное значение, равное 1.
2.Расчет коэффициентов регрессии с использованием матричных функций Excel: ТРАНСП, МУМНОЖ, МОБР.
2.1.Нахождение обратной матрицы к матрице системы нормальных уравнений
0,4184 |
0,0040 |
-0,0764 |
-0,1095 |
-0,1802 |
0,0040 |
0,0006 |
0,0007 |
-0,0059 |
-0,0136 |
-0,0764 |
0,0007 |
0,2060 |
-0,0330 |
-0,0136 |
-0,1095 |
-0,0059 |
-0,0330 |
0,2771 |
0,1144 |
-0,1802 |
-0,0136 |
-0,0136 |
0,1144 |
0,3368 |
16
2.2. Получение вектора оценок коэффициентов регрессии
102,5677
0,1033
-0,0194
2,6003
13,9271
Таким образом, построенная модель имеет следующий вид:
y102,5677 0,1033x1 0,0194x2 2,6003x3 13,9271x4 .
3.Расчет стандартных ошибок коэффициентов регрессии
3.1. Проведение промежуточных расчетов, требуемых для расчета остаточной дисперсии, и оформление их в виде табл. 1.2.2.2.
|
|
Т а б л и ц а 1.2.2.2 |
y |
yˆ |
y yˆ 2 |
123 |
121,6579 |
1,8012 |
115 |
116,2916 |
1,6681 |
126 |
124,9597 |
1,0821 |
130 |
129,1573 |
0,7101 |
125 |
125,1448 |
0,0210 |
134 |
135,0698 |
1,1445 |
142 |
142,0139 |
0,0002 |
140 |
140,4556 |
0,2075 |
143 |
144,8188 |
3,3080 |
150 |
150,3611 |
0,1304 |
153 |
153,1466 |
0,0215 |
158 |
158,8831 |
0,7798 |
160 |
161,6400 |
2,6895 |
163 |
163,2372 |
0,0563 |
164 |
163,0327 |
0,9357 |
168 |
162,5408 |
29,8025 |
172 |
172,5978 |
0,3574 |
180 |
180,9347 |
0,8736 |
177 |
176,7332 |
0,0712 |
182 |
182,3235 |
0,1046 |
Сумма квадратов отклонений |
|
45,77 |
Остаточная дисперсия |
|
3,05 |
3.2. Получение стандартных ошибок
1,1299
0,0433
0,7927
0,9195
1,0137
17
4. Вычисление множественного коэффициента корреляции.
4.1. Проведение промежуточных расчетов и оформление их в ви-
де табл. 1.2.2.3.
Т а б л и ц а 1.2.2.3
y |
y |
2 |
(x |
x |
)2 |
(x |
2 |
|
x |
2 |
)2 |
(x |
x |
)2 |
(x |
4 |
|
x |
4 |
)2 |
|
|
|
|
1 |
|
1 |
|
|
|
|
3 |
3 |
|
|
|
|
||||||
-1- |
|
|
-2- |
|
|
|
-3- |
|
|
|
|
|
-4- |
|
|
-5- |
|
|
|
|
|
742,56 |
|
1369 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
3,43 |
|
|
|
|
|||
1242,56 |
1369 |
|
|
|
0,20 |
|
|
|
|
0,36 |
|
|
4,21 |
|
|
|
|
||||
588,06 |
|
1024 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
2,73 |
|
|
|
|
|||
410,06 |
|
1024 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
1,83 |
|
|
|
|
|||
637,56 |
|
1024 |
|
|
|
0,30 |
|
|
|
|
0,36 |
|
|
2,11 |
|
|
|
|
|||
264,06 |
|
289 |
|
|
|
0,20 |
|
|
|
|
0,36 |
|
|
0,73 |
|
|
|
|
|||
68,06 |
|
|
289 |
|
|
|
0,30 |
|
|
|
|
0,36 |
|
|
0,12 |
|
|
|
|
||
105,06 |
|
289 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
0,43 |
|
|
|
|
|||
52,56 |
|
|
289 |
|
|
|
0,20 |
|
|
|
|
0,36 |
|
|
0,02 |
|
|
|
|
||
0,06 |
|
|
4 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
0,00 |
|
|
|
|
||
7,56 |
|
|
4 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
0,02 |
|
|
|
|
||
60,06 |
|
|
4 |
|
|
|
0,30 |
|
|
|
|
0,36 |
|
|
0,56 |
|
|
|
|
||
95,06 |
|
|
169 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
0,42 |
|
|
|
|
||
162,56 |
|
169 |
|
|
|
0,20 |
|
|
|
|
0,36 |
|
|
0,90 |
|
|
|
|
|||
189,06 |
|
169 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
0,56 |
|
|
|
|
|||
315,06 |
|
169 |
|
|
|
0,20 |
|
|
|
|
0,36 |
|
|
0,81 |
|
|
|
|
|||
473,06 |
|
1444 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
1,56 |
|
|
|
|
|||
885,06 |
|
1444 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
3,41 |
|
|
|
|
|||
715,56 |
|
3364 |
|
|
|
0,30 |
|
|
|
|
0,16 |
|
|
1,95 |
|
|
|
|
|||
1008,06 |
3364 |
|
|
|
0,20 |
|
|
|
|
0,16 |
|
|
3,23 |
|
|
|
|
||||
Сумма квадратов |
отклонений |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
8021,75 |
17270 |
|
|
|
4,95 |
|
|
|
|
4,80 |
|
|
29,03 |
|
|
|
|||||
Дисперсия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
534,78 |
|
1151,33 |
|
|
0,33 |
|
|
|
|
0,32 |
|
|
1,94 |
|
|
|
|
||||
Среднее квадратическое отклонение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
23,13 |
|
|
33,93 |
|
|
|
0,574 |
|
|
|
0,566 |
|
|
1,39 |
|
|
|
|
4.2. Расчет множественного коэффициента корреляции
R 1 8021,7545,77 0,99.
Множественный коэффициент корреляции достаточно высокий, что свидетельствует о существенной зависимости величины арендной платы от включенных в модель факторов.
5. Расчет скорректированного множественного индекса корреля-
ции
Rскор 1 (1 0,9971)21915 0,99.
18
6. Расчет бета-коэффициентов
1 0,10 33,93/23,13 0,1515,
2 0,02 0,574/23,13 0,0005,
3 2,6 0,566/23,13 0,0636,
4 13,93 1,39/23,13 0,8378.
Полученные значения бета-коэффициенты позволяют проранжировать факторы по степени их влияния на моделируемый показатель следующим образом:
1)общая площадь территории, принадлежащей отелю (в большей степени влияющий фактор);
2)число комнат в отеле;
3)наличие собственного пляжа;
4)престижность района, в котором расположен отель (в меньшей степени влияющий фактор).
7. Вычисление парных коэффициентов корреляции.
7.1.Проведение промежуточных расчетов и оформление результатов расчетов в виде табл. 1.2.2.4.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 1.2.2.4 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
y |
x1 |
x1 |
y |
y |
x2 |
x |
2 |
y |
y |
x3 |
x |
3 |
y |
y |
x4 |
x |
4 |
1008,2500 |
|
-14,9875 |
|
|
-10,9000 |
|
|
50,4806 |
|
|
||||||||
1304,2500 |
|
15,8625 |
|
|
21,1500 |
|
|
72,3506 |
|
|
||||||||
776,0000 |
|
-13,3375 |
|
|
-9,7000 |
|
|
40,0731 |
|
|
||||||||
648,0000 |
|
9,1125 |
|
|
|
-8,1000 |
|
|
27,3881 |
|
|
|||||||
808,0000 |
|
-13,8875 |
|
|
15,1500 |
|
|
36,6756 |
|
|
||||||||
276,2500 |
|
7,3125 |
|
|
|
9,7500 |
|
|
|
13,8531 |
|
|
||||||
140,2500 |
|
-4,5375 |
|
|
4,9500 |
|
|
|
2,9081 |
|
|
|
||||||
174,2500 |
|
4,6125 |
|
|
|
-4,1000 |
|
|
6,6881 |
|
|
|
||||||
123,2500 |
|
3,2625 |
|
|
|
4,3500 |
|
|
|
1,1056 |
|
|
|
|||||
0,5000 |
|
|
0,1125 |
|
|
|
-0,1000 |
|
|
0,0131 |
|
|
|
|||||
-5,5000 |
|
|
-1,2375 |
|
|
1,1000 |
|
|
|
0,4056 |
|
|
|
|||||
-15,5000 |
|
4,2625 |
|
|
|
-4,6500 |
|
|
5,7931 |
|
|
|
||||||
126,7500 |
|
5,3625 |
|
|
|
3,9000 |
|
|
|
6,3131 |
|
|
|
|||||
165,7500 |
|
-5,7375 |
|
|
-7,6500 |
|
|
12,0806 |
|
|
||||||||
178,7500 |
|
7,5625 |
|
|
|
5,5000 |
|
|
|
10,2781 |
|
|
||||||
230,7500 |
|
-7,9875 |
|
|
-10,6500 |
|
|
15,9306 |
|
|
||||||||
826,5000 |
|
-9,7875 |
|
|
8,7000 |
|
|
|
27,1331 |
|
|
|||||||
1130,5000 |
|
16,3625 |
|
|
11,9000 |
|
|
54,9631 |
|
|
||||||||
1551,5000 |
|
14,7125 |
|
|
10,7000 |
|
|
37,3831 |
|
|
||||||||
1841,5000 |
|
-14,2875 |
|
|
12,7000 |
|
|
57,0706 |
|
|
||||||||
Сумма произведений |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
11290,00 |
|
2,75 |
|
|
|
|
54,00 |
|
|
|
|
478,89 |
|
|
|
19
7.2. Расчет парных коэффициентов корреляции
11290,00
ryx1 23,13 33,93 20 1 0,78,
ryx2 |
|
|
2,75 |
|
|
|
|
0,01, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
23,13 0,574 20 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
ryx3 |
|
|
|
54,00 |
|
|
|
|
|
|
0,22,ryx4 |
|
|
|
478,89 |
|
|
0,78. |
||||||||||||
|
23,13 0,566 20 1 |
23,13 1,39 20 1 |
|||||||||||||||||||||||||||||
8. Расчет дисперсионного отношения Фишера |
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
F |
расч |
|
|
0,99712 |
|
|
20 4 1 |
653,55. |
|
|
|
||||||||||||||
|
|
|
|
|
|
1 0,99712 |
|
|
|
|
|
|
|||||||||||||||||||
Сравнение |
|
|
|
|
|
|
|
4 |
|
|
|
|
с |
табличным |
|||||||||||||||||
расчетного |
|
значения |
F-критерия |
||||||||||||||||||||||||||||
F4;15 |
5,86 для 95%-го уровня значимости (см. Приложение) позволя- |
||||||||||||||||||||||||||||||
ет сделать вывод об адекватности построенной модели. |
|
|
|
||||||||||||||||||||||||||||
9. Расчет t-статистик |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
tˆ |
|
102,57 |
90,78, |
|
tˆ |
|
|
0,10 |
|
|
2,37, |
tˆ |
|
0,02 |
|
|
0,02, |
|||||||||||||
|
|
|
|
0,0433 |
|
0,7927 |
|
||||||||||||||||||||||||
|
|
b0 |
1,1299 |
|
|
|
|
|
|
b1 |
|
|
|
|
|
|
|
b2 |
|
|
|
||||||||||
|
|
|
|
|
|
tˆ |
|
2,60 |
|
2,83 |
, |
|
|
tˆ |
|
|
13,93 |
13,74. |
|
|
|
||||||||||
|
|
|
|
|
|
0,9195 |
|
|
|
1,0137 |
|
|
|
||||||||||||||||||
|
|
|
|
|
|
b3 |
|
|
|
|
|
|
|
|
|
|
b4 |
|
|
|
значением |
||||||||||
Сравнение полученных |
|
t-статистик |
|
с |
табличным |
||||||||||||||||||||||||||
t0,95(15) 2,131 (см. Приложение) |
подтверждает значимость таких ко- |
||||||||||||||||||||||||||||||
эффициентов регрессии, как bˆ |
, |
bˆ |
, bˆ |
|
, bˆ , и незначимость коэффици- |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
1 |
|
3 |
|
4 |
|
|
|
|
|
|
|
|
ента bˆ2 . Скорее всего, это связано с тем, что престижность района, в котором расположен отель, в некоторой степени определяется наличием пляжа.
10. Построение с помощью пакета анализа линейного регрессионного уравнения, исключив x2 (см. Вывод итогов 1.2.2.2).
ВЫВОД ИТОГОВ 1.2.2.2
Регрессионная статистика |
|
|
|
|
|
|
Множественный R |
0,997143234 |
|
|
|
|
|
R-квадрат |
0,994294628 |
|
|
|
|
|
Нормированный |
|
|
|
|
|
|
R-квадрат |
0,993224871 |
|
|
|
|
|
Стандартная |
|
|
|
|
|
|
ошибка |
1,69128398 |
|
|
|
|
|
Наблюдения |
20 |
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
3 |
7975,983 |
2658,661 |
929,4583 |
3,739E-18 |
|
Остаток |
16 |
45,76706 |
2,860442 |
|
|
|
Итого |
19 |
8021,75 |
|
|
|
|
20