- •Ход работы:
- •Исходные данные
- •Построение корреляционной матрицы
- •Тест на наличие мультиколлинеарности
- •Проверяется наличие или отсутствие общей мультиколлинеарности в модели при помощи χ2-критерия Пирсона.
- •Так как в модели имеет место мультиколлинеарность, необходимо выяснить между какими факторами она присутствует
- •Второй этап теста на мультиколлинеарность
- •Оценок параметров модели
Министерство образования и науки Украины
Государственный университет информатики и искусственного интеллекта
Кафедра экономической кибернетики
Отчет №2
по дисциплине: «Эконометрия»
на тему «Множественная линейная регрессия»
Выполнила:
студентка группы ЭК 06-а
Варваровская Н. Н.
Проверили:
к.п.н.,доц. Горчакова И.А.,
асс. Завадская А.В.
Донецк, 2008
Задание: Экономический показатель У зависит от трех факторов, на основе статистических данных за 16 периодов построить корреляционную матрицу. Используя χ2-критерий, с надежностью Р=0,95 оценить наличие общей мультиколлинеарности. Если существует общая мультикoллинeapноcть, то, используя t-статистику с надежностью Р = 0,95, обнаружить пары факторов, между которыми существует мультиколлинеарность. Если таки пары существуют, то один из факторов этой пары исключить из рассмотрения.
Используя F-критерий с надежностью Р=0,95, проверить статистическую значимость коэффициента детерминации (оценить адекватность принятой математической модели статистическим данным на основе критерия Фишера).
Если математическая модель с заданной надежностью адекватная экспериментальным данным, то используя t-статистику, с надежностью Р=0,95 оценить значимость параметров регрессии, найти значение прогноза показателя для заданных значений факторов, его доверительный интервал с надежностью Р=0,95, коэффициенты, частей эластичности, для точки прогноза. На основе полученных расчетов сделать экономический анализ.
Ход работы:
Таблица 1
Исходные данные
X1 |
X2 |
X3 |
Y |
2,37 |
10,27 |
6,4 |
7,73 |
4,77 |
11,87 |
7,88 |
10,85 |
6,24 |
13,88 |
8,5 |
11,54 |
8,7 |
14,62 |
8,86 |
13,52 |
10,79 |
15,28 |
10,51 |
17,13 |
13,6 |
17,29 |
10,53 |
18,75 |
16,31 |
19,04 |
11,74 |
21,15 |
18,4 |
20,45 |
13,96 |
23,49 |
21,25 |
21,94 |
13,86 |
27,5 |
22,87 |
22,55 |
14,6 |
27,16 |
25,15 |
22,56 |
14,24 |
29,73 |
26,27 |
24,79 |
16,59 |
32,71 |
27,7 |
24,82 |
15,03 |
31,83 |
30 |
25,11 |
15,34 |
35,18 |
32,25 |
26,11 |
15,84 |
37,12 |
33,85 |
27,58 |
17,3 |
38,97 |
35,96 |
29,09 |
17,48 |
|
Общий вид множественной линейной модели:
,
ε – стохастическая компонента (случайная);
У – зависимая переменная;
Х– переменная, которая влияет на показатель у;
αi– параметры модели.
Вводится гипотеза, что между показателем У и факторами Х1, Х2, Х3 существует линейная связь:
У– зависимая переменная;
Х – переменная, которая влияет на показатель у;
аi– оценки параметров модели, найденные по выборке.
Исходные данные факторов размещаем в блоке В3:D18, а показатели в столбце Е3:Е18. В диапазон А3:А18 вводим единичный вектор, так как у нас присутствует параметр а0
Матрица нормализованных статистических данных находится в ячейках F3:H18, Утеор – в столбце I3:I18
Промежуточные расчеты рнаходятся в диапазоне J3:O18.
В строке В22:Е22 находим средние значения, а в строке J22:O22. В строке J26:L26 находим корни из сумм.
Построение корреляционной матрицы
Корреляционная матрица имеет вид:
Корреляционная матрица симметрична, по главной диагонали. Все элементы главной диагонали равны 1.
Расчет корреляционной матрицы:
При помощи встроенной функции КОРРЕЛ:
Корреляционная матрица рассчитана в блоке A24:C26.
Таблица 1
Корреляционная матрица
1 |
0,992929 |
0,97294097 |
|
1 |
0,98701797 |
|
|
1 |
Корреляционную матрицу находят по формуле:
Размер полученной матрицы:
- матрица нормализованных статистических данных, которая имеет вид:
Элементы данной матрицы находятся по формуле:
Таблица 2
Матрица нормализованных статистических данных
X1 норм |
X2 норм |
X3 норм |
-0,41623 |
-0,45755 |
-0,46946 |
-0,35536 |
-0,38141 |
-0,35692 |
-0,31808 |
-0,28576 |
-0,30977 |
-0,2557 |
-0,25054 |
-0,2824 |
-0,20269 |
-0,21914 |
-0,15693 |
-0,13143 |
-0,12349 |
-0,15541 |
-0,0627 |
-0,04021 |
-0,0634 |
-0,0097 |
0,026886 |
0,105412 |
0,062577 |
0,097791 |
0,097807 |
0,103661 |
0,126818 |
0,154078 |
0,161482 |
0,127294 |
0,126703 |
0,189886 |
0,233413 |
0,305399 |
0,226151 |
0,23484 |
0,186775 |
0,28448 |
0,24864 |
0,210348 |
0,341541 |
0,296227 |
0,248368 |
0,382117 |
0,366179 |
0,359388 |
Транспонируем матрицу . Для этого выделяем ячейки A28:P30. В ячейку А28 вводим формулу =ТРАНСП(F3:H18).
Найдем произведение и поместим в ячейки A33:C35. Вводим формулу =МУМНОЖ(A28:P30;F3:H18).
В блоке А33:С35 мы получили корреляционную матрицу вторым способом.