Эконометрика
.pdf
|
|
|
Т а б л и ц а 2.2.3 |
|
y |
x1 |
x2 |
y |
1 |
0,9972 |
0,9971 |
x1 |
0,9972 |
1 |
0,9999 |
x2 |
0,9971 |
0,9999 |
1 |
3. Проверка условия невырожденности матрицы (X X).
3.1.Формирование матрицы (X X) с помощью функций
ТРАНСП и МУМНОЖ
|
|
362,82 |
247,23 |
|
(X X) |
|
|
. |
|
|
|
247,23 |
168,46 |
|
|
|
|
3.2.Вычисление определителя матрицы (X X) с помощью функции МОПРЕД
0,0633.
Близость определителя к нулю, а также проведенный выше анализ позволяют сделать вывод о наличии частичной мультиколлинеарности.
4. Устранение эффекта мультиколлинеарности с помощью риджоценивания.
4.1. Включение в модель дополнительной переменной x0 , принимающей единственное значение, равное 1.
4.2. Расчет коэффициентов регрессии с использованием матричных функций Excel.
4.2.1. Формирование матрицы, обратной к матрице системы нор-
|
|
|
|
1 |
с помощью |
функций ТРАНСП, |
||
мальных уравнений (X X I) |
|
|||||||
МУМНОЖ и МОБР при [0,1; 0,4]. |
|
|
|
|||||
|
|
|
|
1,0946 |
0,1517 |
0,1467 |
||
|
1 |
|
|
|
|
3,1894 |
4,6266 |
|
(X X 0,1 I) |
|
0,1517 |
; |
|||||
|
|
|
0,1467 |
4,6266 |
6,8413 |
|
||
|
|
|
|
|
|
|
0,9831 |
0,1453 |
0,1185 |
|
|
1 |
|
|
1,6072 |
2,3069 |
|
(X X 0,2 I) |
|
0,1453 |
; |
|||
|
|
|
0,1185 |
2,3069 |
3,4274 |
|
|
|
|
|
|
|
|
0,8922 |
0,1346 |
0,1035 |
|
|
1 |
|
|
1,0781 |
1,5340 |
|
(X X 0,3 I) |
|
0,1346 |
; |
|||
|
|
|
0,1035 |
1,5340 |
2,2881 |
|
|
|
|
|
31
|
|
0,8167 |
0,1244 |
0,0929 |
|
|
|
1 |
|
|
0,8127 |
1,1480 |
|
(XX 0,4 I) |
|
0,1244 |
. |
|||
|
|
|
0,0929 |
1,1480 |
1,7179 |
|
|
|
|
|
4.2.2.Получение вектора оценок коэффициентов регрессии путем умножения обратной матрицы на матрицы XX I 1 и X yпри различных значениях . Оформление результатов виде табл. 2.2.4.
5. Расчет стандартных ошибок коэффициентов регрессии.
5.1.Вычисление остаточной дисперсии при различных значениях
и оформление результатов расчетов в виде табл. 2.2.5.
Та б л и ц а 2.2.4
|
0,1 |
0,2 |
0,3 |
0,4 |
bˆ0 |
-0,0937 |
-0,0745 |
-0,0588 |
-0,0458 |
bˆ1 |
0,4454 |
0,4411 |
0,4381 |
0,4358 |
bˆ2 |
0,2975 |
0,2972 |
0,2961 |
0,2950 |
|
|
|
Т а б л и ц а 2.2.5 |
Квадраты отклонений расчетных от фактических значений |
|
||
0,1 |
0,2 |
0,3 |
0,4 |
0,001703 |
0,001766 |
0,001826 |
0,001884 |
0,000060 |
0,000028 |
0,000011 |
0,000003 |
0,002836 |
0,002686 |
0,002576 |
0,002493 |
0,000028 |
0,000024 |
0,000020 |
0,000016 |
0,002997 |
0,002993 |
0,002980 |
0,002961 |
0,003277 |
0,003036 |
0,002854 |
0,002715 |
0,000265 |
0,000489 |
0,000728 |
0,000970 |
0,000248 |
0,000139 |
0,000074 |
0,000037 |
0,000564 |
0,000336 |
0,000195 |
0,000109 |
0,003337 |
0,004280 |
0,005152 |
0,005956 |
0,002048 |
0,002051 |
0,002062 |
0,002078 |
0,004453 |
0,004163 |
0,003920 |
0,003714 |
0,000854 |
0,000599 |
0,000420 |
0,000292 |
0,002048 |
0,002051 |
0,002062 |
0,002078 |
0,005815 |
0,006670 |
0,007400 |
0,008024 |
0,000885 |
0,001211 |
0,001509 |
0,001776 |
0,001742 |
0,001989 |
0,002196 |
0,002368 |
0,000060 |
0,000028 |
0,000011 |
0,000003 |
0,001462 |
0,000980 |
0,000653 |
0,000426 |
0,001502 |
0,001733 |
0,001927 |
0,002090 |
Сумма квадратов отклонений расчетных от фактических значений |
|
||
0,036183 |
0,037251 |
0,038577 |
0,039994 |
Остаточная дисперсия |
|
|
|
0,002128 |
0,002191 |
0,002269 |
0,002353 |
32
5.2. Получение стандартных ошибок в виде корня квадратного из произведения диагональных элементов обратной матрицы на остаточную дисперсию при различных значениях . Оформление результатов расчетов в виде табл. 2.2.6.
|
|
|
|
Т а б л и ц а 2.2.6 |
|
|
0,1 |
0,2 |
0,3 |
|
0,4 |
|
|
|
|
|
|
Sbˆ0 |
0,0483 |
0,0464 |
0,0450 |
|
0,0438 |
Sbˆ1 |
0,0824 |
0,0593 |
0,0495 |
|
0,0437 |
Sbˆ2 |
0,1207 |
0,0867 |
0,0721 |
|
0,0636 |
Таким образом, наименьшая стандартная ошибка получена при
0,4
Следовательно, построенная модель может быть записана в виде
y0,0458 0,4358x1 2950x2.
6.Проверка значимости полученных коэффициентов регрессии
|
|
bˆ |
|
|
0,0458 |
|
|
|
|
|
|
bˆ |
0,4358 |
|
|||
tˆ |
|
|
0 |
|
|
|
1,0458; |
tˆ |
1 |
|
|
9,9665; |
|||||
Sˆ |
|
0,0438 |
|
|
0,0437 |
||||||||||||
b0 |
|
|
|
|
|
|
|
|
|
b1 |
Sˆ |
|
|||||
|
|
|
b |
0 |
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
bˆ |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,2950 |
|
|
|
|
|
|
|
|
|
|
|
|
|
tˆ |
2 |
|
|
|
|
4,6399. |
|
|
|||
|
|
|
|
|
|
Sˆ |
|
0,0636 |
|
|
|
||||||
|
|
|
|
|
|
b2 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
b2 |
|
|
|
|
t-статистик с табличным |
||||
Сравнение |
|
|
расчетных |
значений |
|||||||||||||
t0,95 17 2,110 |
|
свидетельствует о значимости включенных в модель |
|||||||||||||||
факторов x1 |
и x2 . |
|
|
|
|
|
|
|
|
|
|
|
|
2.3. Задания для самостоятельной работы
Задание 2.3.1. Владельцы интернет-аукциона «Э-Слава» составляют бизнес-план своей деятельности на следующие два месяца. Их прежде всего интересует вопрос, каким образом можно увеличить объем реализации в натуральном выражении. В ходе исследования было выявлено, что на количество совершаемых в среднем за месяц покупок (y) влияют такие факторы, как затраты на баннерную рекламу (тыс. руб., x1), расходы на мероприятия, осуществляемые с целью привлечения интернет-пользователей на сайт аукциона (тыс. руб., x2 ), и число зарегистрированных пользователей сайта (x3). Поэтому было решено построить модель множественной регрессии, отражающую зависимость количества покупок от указанных факторов. Данные об этих показателях за последние 20 месяцев представлены в табл. 2.3.1.
33
Т а б л и ц а 2.3.1
t |
y |
x1 |
x2 |
x3 |
t |
y |
x1 |
x2 |
x3 |
1 |
535 |
8,39 |
30,31 |
985 |
11 |
561 |
6,58 |
23,78 |
772 |
2 |
515 |
6,83 |
24,68 |
802 |
12 |
388 |
4,48 |
16,17 |
525 |
3 |
382 |
5,54 |
20,00 |
650 |
13 |
630 |
7,41 |
26,76 |
869 |
4 |
721 |
8,47 |
30,59 |
994 |
14 |
769 |
8,55 |
30,88 |
1003 |
5 |
276 |
6,13 |
22,13 |
719 |
15 |
470 |
5,52 |
19,95 |
648 |
6 |
513 |
5,77 |
20,85 |
677 |
16 |
511 |
6,01 |
21,7 |
705 |
7 |
664 |
7,80 |
28,18 |
915 |
17 |
549 |
6,19 |
22,36 |
726 |
8 |
409 |
4,80 |
17,35 |
563 |
18 |
531 |
8,85 |
31,96 |
1038 |
9 |
537 |
5,42 |
19,57 |
636 |
19 |
499 |
7,21 |
26,05 |
846 |
10 |
794 |
9,31 |
33,62 |
1092 |
20 |
503 |
5,99 |
21,65 |
703 |
Задание 2.3.2. Фирма «Ваше очарование» довольно успешно осуществляет торговлю косметическими товарами на российском рынке. Ее успех определяется, в частности, человеческим фактором. С целью изучения его влияния на среднеквартальный объем продаж (млн. руб., y ) через такие показатели, как фонд оплаты труда (млн. руб., x1) и численность работников фирмы (чел., x2), была сформирована табл. 2.3.2. В этой таблице приведены данные по этим показателям за последние 18 кварталов. Постройте двухфакторную регрессионную модель, отражающую зависимость объема продаж от указанных факторов.
Т а б л и ц а 2.3.2
t |
y |
x1 |
x2 |
t |
y |
x1 |
x2 |
1 |
39832 |
3975 |
1986 |
10 |
43671 |
4344 |
2171 |
2 |
33527 |
3337 |
1668 |
11 |
39518 |
3895 |
1946 |
3 |
36181 |
3586 |
1792 |
12 |
47639 |
4941 |
2469 |
4 |
42873 |
4065 |
2031 |
13 |
39518 |
3895 |
1946 |
5 |
28279 |
2859 |
1429 |
14 |
29376 |
2919 |
1458 |
6 |
52256 |
5001 |
2499 |
15 |
28215 |
2809 |
1404 |
7 |
36425 |
3611 |
1805 |
16 |
33193 |
3298 |
1648 |
8 |
27734 |
2760 |
1379 |
17 |
33927 |
3377 |
1688 |
9 |
54547 |
5419 |
2708 |
18 |
57736 |
5250 |
2624 |
Задание 2.3.3. В табл. 2.3.3 представлены данные о продажах квартир на вторичном рынке жилья. В этой таблице приняты следующие обозначения: y– цена квартиры, тыс. долл.; x1– число комнат в квартире; x2 – район города (1 – центральный, 0 – периферийный); x3– общая площадь квартиры (кв. м.); x4 – жилая площадь квартиры (кв. м.); x5– площадь кухни (кв.м.); x6 – тип дома (1 – кир-
34
пичный, 0 – другой); x7 – расстояние от метро (минут, пешком). Составьте матрицу парных коэффициентов корреляции и устано-
вите: 1) наиболее значимо влияют на цену; 2) какие из факторов коллинеарны. Устранив мультиколлинеарность, постройте линейное уравнение регрессии, характеризующее зависимость y от соответствующих факторов. Оцените качество построенного уравнения.
Т а б л и ц а 2.3.3
№ п.п. |
y |
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
-1- |
-2- |
-3- |
-4- |
-5- |
-6- |
-7- |
-8- |
-9- |
1. |
13,0 |
1 |
1 |
37,0 |
21,5 |
6,5 |
0 |
20 |
2. |
16,5 |
1 |
1 |
60,0 |
27,0 |
22,4 |
0 |
10 |
3. |
17,0 |
1 |
1 |
60,0 |
30,0 |
15,0 |
0 |
10 |
4. |
15,0 |
1 |
1 |
53,0 |
26,2 |
13,0 |
0 |
15 |
5. |
14,2 |
1 |
1 |
35,0 |
19,0 |
9,0 |
0 |
8 |
6. |
10,5 |
1 |
1 |
30,3 |
17,5 |
5,6 |
1 |
15 |
7. |
23,0 |
1 |
1 |
43,0 |
25,5 |
8,5 |
0 |
5 |
8. |
11,3 |
1 |
0 |
31,0 |
18,0 |
5,5 |
1 |
10 |
9. |
13,0 |
1 |
0 |
33,0 |
19,6 |
7,0 |
0 |
5 |
10. |
21,0 |
1 |
0 |
53,0 |
26,0 |
16,0 |
1 |
5 |
11. |
12,0 |
1 |
0 |
32,2 |
18,0 |
6,3 |
0 |
20 |
12. |
11,0 |
1 |
0 |
31,0 |
17,3 |
5,5 |
1 |
15 |
13. |
11,0 |
1 |
0 |
36,0 |
19,0 |
8,0 |
1 |
5 |
14. |
15,6 |
1 |
1 |
35,0 |
18,0 |
5,3 |
1 |
3 |
15. |
26,0 |
2 |
1 |
55,5 |
35,0 |
8,0 |
0 |
10 |
16. |
18,5 |
2 |
1 |
48,0 |
28,0 |
8,0 |
0 |
10 |
17. |
13,2 |
2 |
1 |
44,1 |
30,0 |
6,0 |
1 |
25 |
18. |
25,8 |
2 |
1 |
80,0 |
51,0 |
13,0 |
0 |
10 |
19. |
17,0 |
2 |
1 |
60,0 |
38,0 |
19,0 |
0 |
12 |
20. |
18,0 |
2 |
0 |
50,0 |
30,0 |
8,7 |
1 |
15 |
21. |
21,0 |
2 |
0 |
54,6 |
32,0 |
5,5 |
1 |
20 |
22. |
14,5 |
2 |
0 |
43,0 |
27,0 |
12,0 |
1 |
10 |
23. |
23,0 |
2 |
0 |
66,0 |
39,0 |
7,0 |
1 |
5 |
24. |
19,5 |
2 |
0 |
53,5 |
29,5 |
6,0 |
1 |
15 |
25. |
14,2 |
2 |
0 |
45,0 |
29,0 |
6,0 |
1 |
12 |
26. |
13,3 |
2 |
0 |
45,0 |
30,0 |
5,5 |
0 |
5 |
27. |
16,1 |
2 |
0 |
50,6 |
30,8 |
7,9 |
0 |
10 |
28. |
13,5 |
2 |
0 |
42,5 |
28,0 |
5,2 |
0 |
25 |
29. |
15,5 |
3 |
1 |
68,1 |
44,4 |
7,2 |
0 |
5 |
30. |
38,0 |
3 |
1 |
107,0 |
58,0 |
24,0 |
0 |
15 |
31. |
30,0 |
3 |
1 |
100,0 |
58,0 |
20,0 |
0 |
15 |
32. |
24,0 |
3 |
1 |
71,0 |
52,0 |
7,5 |
1 |
15 |
33. |
32,5 |
3 |
1 |
98,0 |
51,0 |
15,0 |
0 |
10 |
34. |
43,0 |
3 |
0 |
100,0 |
45,0 |
35,0 |
1 |
25 |
35. |
17,8 |
3 |
0 |
58,0 |
39,0 |
6,2 |
0 |
10 |
36. |
28,0 |
3 |
0 |
75,0 |
40,0 |
18,0 |
1 |
3 |
37. |
32,7 |
3 |
0 |
85,0 |
59,0 |
9,0 |
0 |
5 |
35
38. |
31,0 |
3 |
0 |
66,0 |
48,0 |
6,0 |
0 |
2 |
39. |
16,0 |
3 |
0 |
80,0 |
54,0 |
8,0 |
0 |
3 |
40. |
22,0 |
3 |
0 |
62,0 |
37,0 |
10,2 |
1 |
5 |
41. |
23,0 |
3 |
0 |
69,7 |
42,0 |
10,8 |
0 |
15 |
42. |
19,5 |
3 |
0 |
79,0 |
50,3 |
9,1 |
1 |
25 |
43. |
24,5 |
4 |
1 |
90,0 |
64,0 |
15,0 |
0 |
5 |
44. |
27,3 |
4 |
1 |
102,0 |
66,0 |
11,8 |
0 |
7 |
45. |
41,0 |
4 |
1 |
87,0 |
56,5 |
12,5 |
0 |
10 |
46. |
31,0 |
4 |
1 |
114,8 |
74,0 |
25,6 |
0 |
10 |
47. |
35,6 |
4 |
1 |
114,3 |
74,7 |
12,0 |
1 |
5 |
48. |
46,0 |
4 |
1 |
90,0 |
62,0 |
8,0 |
1 |
5 |
49. |
35,0 |
4 |
1 |
116,0 |
81,0 |
16,5 |
0 |
10 |
50. |
35,6 |
4 |
1 |
107,0 |
75,5 |
9,5 |
0 |
10 |
51. |
46,0 |
4 |
0 |
93,0 |
66,0 |
10,0 |
0 |
15 |
52. |
35,0 |
4 |
0 |
176,0 |
129,0 |
15,0 |
0 |
10 |
53. |
26,5 |
4 |
0 |
74,7 |
50,8 |
8,2 |
1 |
10 |
54. |
37,0 |
4 |
0 |
115,0 |
76,0 |
8,5 |
0 |
5 |
55. |
30,0 |
4 |
0 |
92,0 |
62,0 |
9,0 |
0 |
15 |
56. |
43,0 |
4 |
0 |
110,0 |
79,5 |
10,0 |
0 |
5 |
Задание 2.3.4. Для линейного трехфакторного уравнения регрессии имеются данные, представленные в табл. 2.3.4. Выполните следующие задания: 1) определите корреляционную матрицу R и содержащийся в этих данных размер коллинеарности как det(R); 2) рассчитайте размер коллинеарности, в случае если из уравнения выводится переменная x2 ; 3) вычислите гребневые оценки параметров для гребневой константы, равной 0,5 и 0,8.
|
|
|
|
|
Т а б л и ц а 2.3.4 |
|
x1t |
10,3 |
14,6 |
11,4 |
17,1 |
|
10,6 |
x2t |
20,8 |
28,0 |
23,0 |
30,5 |
|
21,7 |
x3t |
4,1 |
20,3 |
9,8 |
8,1 |
|
17,7 |
yt |
40,0 |
80,0 |
55,0 |
58,0 |
|
70,0 |
Задание 2.3.5. По данным табл. 2.3.5 изучается зависимость индекса качества жизни населения (y) от следующих показателей соци- ально-экономического развития регионов: x1– ВРП (с учётом уровня покупательной способности) на душу населения (тыс. руб.); x2 – объём внешнеторгового оборота на душу населения (млн. долл. США); x3– финансовая обеспеченность региона (с учётом уровня покупательной способности) на душу населения (тыс. руб.); x4– общий объём розничного товарооборота и платных услуг (с учётом уровня покупательной способности) на душу населения (тыс. руб.); x5 – объём инвестиций в основной капитал на душу населения (тыс. руб.); x6 – доля занятых на малых предприятиях в общей численности занятых в экономике (% к общей численности занятых в экономике); x7 – основные
36
фонды отраслей экономики (по полной балансовой стоимости, с учётом степени удорожания капитальных затрат) на душу населения (тыс. руб.); коэффициент плотности автомобильных дорог (коэффициент Энгеля); x9 – уровень регистрируемой безработицы (% к экономически активному населению); x10 –соотношение среднедушевых доходов и среднедушевого прожиточного минимума; x11– доля населения с доходами ниже прожиточного минимума (%); x12 – обеспеченность местами детей, находящихся в дошкольных учреждениях (мест на 1000 детей дошкольного возраста); x13 – выпуск специалистов высшими и государственными средними учебными заведениями (спец. на 10000 чел. населения); x14 – обеспеченность населения врачами и средним мед. персоналом (на 10000 ед. населения); x15 – обеспеченность населения амбулаторно-поликлиническими учреждениями (число посещений за смену на 10000 чел.).
Требуется: 1) построить матрицу парных коэффициентов. Рассчитать коэффициенты множественной детерминации, используя в качестве зависимой переменной каждый фактор. Установить, какие факторы мультиколлинеарны; 2) построить уравнение множественной регрессии с полным набором факторов и оценить его качество; 3) отобрать наиболее информативные факторы и построить уравнение регрессии со статистически значимыми факторами.
Т а б л и ц а 2.3.5
Регион |
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
|
г, Москва |
159,71 |
4,99 |
67,37 |
100,49 |
25,39 |
31 |
212,37 |
34,12 |
|
г, Санкт- |
80,34 |
1,87 |
40,97 |
42,27 |
20,11 |
26,17 |
127 |
56,86 |
|
Петербург |
|||||||||
|
|
|
|
|
|
|
|
||
Самарская об- |
84,67 |
1,84 |
37,07 |
52,59 |
11,7 |
15,83 |
159,58 |
16,63 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
||
Липецкая область |
98,17 |
1,6 |
60,19 |
34,64 |
11,92 |
5,75 |
141,92 |
28,4 |
|
Ханты- |
|
|
|
|
|
|
|
|
|
Мансийский ав- |
315,69 |
13,18 |
199,46 |
44,88 |
61,74 |
4,83 |
471,3 |
2,31 |
|
тономный округ |
|
|
|
|
|
|
|
|
|
Республика |
92,37 |
1,08 |
42,97 |
39,43 |
14,3 |
5,22 |
103,97 |
26,21 |
|
Татарстан |
|||||||||
|
|
|
|
|
|
|
|
||
Республика Коми |
83,62 |
1,44 |
38,06 |
40,93 |
13,29 |
8,18 |
170,8 |
7,85 |
|
Ямало-Ненецкий |
440,67 |
6,1 |
141,96 |
39,85 |
166,2 |
5,29 |
166,94 |
1,56 |
|
автономный округ |
|||||||||
Ярославская об- |
79,91 |
0,51 |
29,65 |
28,11 |
11,08 |
7,97 |
189,5 |
33,88 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
||
Свердловская |
66,89 |
0,94 |
33,43 |
39,24 |
8,68 |
10,78 |
123,86 |
11,53 |
|
область |
|||||||||
|
|
|
|
|
|
|
|
||
Тюменская об- |
70,91 |
1,63 |
36,14 |
40,68 |
9,76 |
9,69 |
104,73 |
8,95 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
37
Продолжение таблицы
Республика |
74,98 |
0,74 |
38,85 |
40,7 |
9,85 |
8,62 |
103,09 |
28,8 |
|
Башкортостан |
|||||||||
|
|
|
|
|
|
|
|
||
Нижегородская |
77,19 |
0,72 |
26 |
32,64 |
9,35 |
12,14 |
92,86 |
25,74 |
|
область |
|||||||||
|
|
|
|
|
|
|
|
||
Пермская область |
67,87 |
1,01 |
36,81 |
37,89 |
11,7 |
4,15 |
171,56 |
16,27 |
|
Московская об- |
63,19 |
0,98 |
26,37 |
35,39 |
13,69 |
13,07 |
147,96 |
29,92 |
|
ласть |
|
|
|
|
|
|
|
|
|
Регион |
x9 |
x10 |
x11 |
x12 |
x13 |
x14 |
x15 |
y |
|
г. Москва |
1,24 |
10,01 |
20 |
73 |
174,55 |
208,9 |
418,4 |
0,711 |
|
г. Санкт- |
2,1 |
3,42 |
28 |
71,5 |
173,75 |
191,96 |
344,6 |
0,723 |
|
Петербург |
|||||||||
|
|
|
|
|
|
|
|
||
Самарская об- |
1,84 |
3,4 |
29 |
76 |
106,7 |
134 |
227,6 |
0,708 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
||
Липецкая область |
0,69 |
2,88 |
25 |
56,75 |
76,92 |
164 |
290 |
0,705 |
|
Ханты- |
|
|
|
|
|
|
|
|
|
Мансийский ав- |
2,65 |
5,9 |
5,8 |
68,1 |
30,1 |
163,2 |
271 |
0,867 |
|
тономный округ |
|
|
|
|
|
|
|
|
|
Республика |
1,51 |
3,32 |
24 |
67,9 |
95,41 |
169 |
225 |
0,720 |
|
Татарстан |
|||||||||
|
|
|
|
|
|
|
|
||
Республика Коми |
3,13 |
3,49 |
23,5 |
91,88 |
77 |
163,2 |
290,6 |
0,713 |
|
Ямало-Ненецкий |
2,38 |
6,59 |
11 |
82 |
44,04 |
157,7 |
195 |
0,830 |
|
автономный округ |
|||||||||
Ярославская об- |
1,98 |
2,88 |
18,36 |
94 |
97,61 |
155,8 |
242 |
0,715 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
||
Свердловская |
2,17 |
3,33 |
20,5 |
87,8 |
112,03 |
146,8 |
284,9 |
0,715 |
|
область |
|||||||||
|
|
|
|
|
|
|
|
||
Тюменская об- |
1,61 |
3,51 |
32 |
55 |
126,1 |
152 |
310 |
0,769 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
||
Республика |
1,58 |
3,15 |
26 |
60 |
93,64 |
150,2 |
228,2 |
0,704 |
|
Башкортостан |
|||||||||
|
|
|
|
|
|
|
|
||
Нижегородская |
0,86 |
2,55 |
20 |
91 |
97,2 |
151 |
237,4 |
0,699 |
|
область |
|||||||||
|
|
|
|
|
|
|
|
||
Пермская область |
1,5 |
3,19 |
21 |
74 |
91,98 |
172,4 |
199 |
0,704 |
|
Московская об- |
1,76 |
2,52 |
24 |
93,4 |
58,7 |
99,1 |
249 |
0,697 |
|
ласть |
|||||||||
|
|
|
|
|
|
|
|
3. ОБОБЩЕННАЯ СХЕМА РЕГРЕССИОННОГО АНАЛИЗА
3.1. ГЕТЕРОСКЕДАСТИЧНОСТЬ
3.1.1. Расчетные формулы
1.3.1.1.Оценка коэффициентов обобщенной регрессии: bˆ X 1X 1X 1y.
1.3.1.2.Тест Уайта. Сначала с помощью обычного МНК строится регрессионная модель, и находятся остатки ei, i 1, 2, , n. После чего
строится регрессия квадратов этих остатков на все регрессоры, их квад-
38
раты и попарные произведения. В предположении, что гипотеза H0 (отсутствие гетероскедастичности) имеет место, величина nR2 асимптотически имеет распределение 2 m 1 , где R2– коэффициент детермина-
ции, а m– число регрессоров второй модели. Если nR2 2 m 1 , то H0 отвергается.
1.3.1.3. Тест Голдфельда – Куандта:
1)данные упорядочиваются по убыванию той независимой переменной, от которой в соответствии с предположением зависит дисперсия ошибки;
2)d наблюдений, расположенных в средине упорядоченного ряда, исключаются (d рекомендуется брать равным четверти общего числа наблюдений);
3)по первым n/ 2 d / 2 и последним n/ 2 d / 2строятся независимо друг от друга два регрессионных уравнения и с их помощью
рассчитываются соответствующие вектора остатков e1 и e2 ;
4) из полученных остатков рассчитывается статистика F e1e1 /e2e2.
Если верна гипотеза H0 : 12 22 n2, то F имеет распределение Фишера с (n/2 d /2 k, n/2 d /2 k)степенями свободы. Если статистикабольшетабличногозначения,тогипотеза H0 отвергается.
1.3.1.4. Тест Бреуша – Пагана:
1)строится обычная регрессия и с ее помощью рассчитываются компоненты вектора остатков e;
2)рассчитывается оценка дисперсии ˆ2 1/n et2 ;
|
|
|
e |
2 |
|
|
|
|
3) строится регрессионное уравнение |
t |
|
|
, |
||||
|
|
|||||||
ˆ |
|
2 |
0 zt vt |
|||||
где |
|
|
|
|
|
|
||
zt zt1, , ztp – |
вектор независимых переменных; |
|||||||
0, |
|
|
|
|
|
|
|
|
1, , p – неизвестные параметры. |
|
|
|
|
|
Для этого уравнения рассчитывается объясненная часть вариации, т.е. сумма квадратов отклонений расчетных значений от среднего значения, обозначаемая обычно RSS;
4) статистика RSS/2 сравнивается с табличным значением 2 и, если RSS/2 превосходит табличное значение, то нуль-гипотеза (отсутствие гетероскедастичности) отбрасывается.
3.1.2. Решение типовых задач
Задание 3.1.2.1. В табл. 3.1.2.1 представлены данные о потребительских расходах (у, у.е.) и располагаемом доходе (х, у.е.) тридцати семей. Проверьте эти данные на наличие гетероскедастичности, используя: 1) критерий Уайта; 2) критерий Бреуша – Пагана.
39
Т а б л и ц а 3.1.2.1
№ п.п. |
У |
х |
№ п.п. |
у |
х |
№ п.п. |
У |
х |
1. |
10700 |
12000 |
11. |
10900 |
12000 |
21. |
11200 |
12000 |
2. |
11400 |
13000 |
12. |
11700 |
13000 |
22. |
12100 |
13000 |
3. |
12300 |
14000 |
13. |
12600 |
14000 |
23. |
13200 |
14000 |
4. |
13000 |
15000 |
14. |
13300 |
15000 |
24. |
13600 |
15000 |
5. |
13800 |
16000 |
15. |
14000 |
16000 |
25. |
14200 |
16000 |
6. |
14400 |
17000 |
16. |
14900 |
17000 |
26. |
15300 |
17000 |
7. |
15000 |
18000 |
17. |
15700 |
18000 |
27. |
16400 |
18000 |
8. |
15900 |
19000 |
18. |
16500 |
19000 |
28. |
16900 |
19000 |
9. |
16900 |
20000 |
19. |
17500 |
20000 |
29. |
18100 |
20000 |
10. |
17200 |
21000 |
20. |
17800 |
21000 |
30. |
18500 |
21000 |
Решение с помощью табличного процессора Excel
1.Ввод исходных данных.
2.Построение регрессионного уравнения с помощью пакета анализа (см. Вывод 3.1.2.1)
ВЫВОД ИТОГОВ 3.1.2.1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
|
|
|
Множественный R |
0,984083 |
|
|
|
|
|
R-квадрат |
0,968419 |
|
|
|
|
|
Нормированный R- |
|
|
|
|
|
|
квадрат |
0,967291 |
|
|
|
|
|
Стандартная ошибка |
420,4049 |
|
|
|
|
|
Наблюдения |
30 |
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
1,52E+08 |
1,52E+08 |
858,6118 |
1,49E-22 |
|
Остаток |
28 |
4948727 |
176740,3 |
|
|
|
Итого |
29 |
1,57E+08 |
|
|
|
|
|
|
|
|
|
|
|
|
Коэффи- |
Стандартная |
t-статис- |
P- |
Нижние |
Верхние |
|
циенты |
ошибка |
тика |
Значение |
95% |
95% |
Y-пересечение |
1580 |
447,5552 |
3,530291 |
0,001457 |
663,2238 |
2496,776 |
Переменная X 1 |
0,78303 |
0,026723 |
29,30208 |
1,49E-22 |
0,728291 |
0,837769 |
3. Получение расчетных значений yˆi и вычисление остатков ei и ei2, i 1, 2, , n. Оформлениерезультатов расчетовв видетабл.3.1.2.2.
Т а б л и ц а 3.1.2.2
№ п.п. |
y |
yˆ |
(y yˆ)2 |
№ п.п. |
y |
yˆ |
(y yˆ)2 |
1. |
10700 |
10976,36 |
76376,86 |
16. |
14900 |
14891,52 |
71,99 |
2. |
11400 |
11759,39 |
129164,00 |
17. |
15700 |
15674,55 |
647,93 |
3. |
12300 |
12542,42 |
58769,51 |
18. |
16500 |
16457,58 |
1799,82 |
4. |
13000 |
13325,45 |
105920,66 |
19. |
17500 |
17240,61 |
67285,22 |
5. |
13800 |
14108,48 |
95162,90 |
20. |
17800 |
18023,64 |
50013,22 |
40