- •1. Основні теоретичні положення регресійного аналізу
- •1.1. Кореляційна залежність
- •1.2. Основні математичні поняття,
- •1.3. Передумови використання
- •2. Парний регресійний аналіз
- •2.1. Лінійна парна регресія
- •2.2. Властивості оцінок
- •2.3. Лінійний коефіцієнт кореляції
- •2.4. Коефіцієнт детермінації
- •2.5. Оцінка значущості рівняння регресії
- •2.6. Прогноз залежної змінної.
- •2.7. Приклад 1.
- •2.8. Нелінійна парна регресія
- •2.9. Дослідження нелінійних рівнянь
- •2.10. Приклад 2.
- •2.11. Побудова функції парної регресії
- •2.12. Побудова графіку функції
- •2.13. Питання для самоперевірки
- •3. Багатофакторний регресійний аналіз
- •3.1. Класична нормальна лінійна модель
- •3.2. Коефіцієнти детермінації і кореляції.
- •3.3. Перевірка значущості параметрів
- •3.4. Прогноз залежної змінної
- •3.5. Приклад 3. Знаходження двофакторної моделі
- •3.6. Використання пакету анализ данных
- •3.7. Використання Excel для розрахунку
- •Введення і підготовка даних
- •4. Мультиколінеарність
- •4.1. Поняття і наслідки мультиколінеарності
- •4.2. Алгоритм Фаррара – Глобера
- •4.3. Приклад 4.
- •4.5. Питання для самоперевірки
- •5. Гетероскедастичність
- •5.1. Поняття гетероскедастичності
- •5.2. Виявлення гетероскедастичності.
- •5.3. Приклад 5. Дослідження даних
- •5.4. Виявлення гетероскедастичності.
- •5.5. Приклад 6. Дослідження даних
- •5.6. Непараметричний тест Гольдфельда-Квандта
- •5.7. Питання для самоперевірки
- •6. Автокореляція
- •6.1. Поняття автокореляції.
- •6.2. Критерій Дарбіна-Уотсона
- •6.3. Приклад 7. Дослідження моделі на наявність
- •6.4. Питання для самоперевірки
- •7. Індивідуальні комплексні завдання
- •Завдання 2
- •Завдання 3
- •Завдання 4
- •Завдання 5
- •Предметний покажчик
- •Література
- •Коефіцієнтів автокореляції залишків
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Значення критерія Пірсона
- •Квантилі розподілу Стьюдента
- •83050, М. Донецьк, вул. Щорса, 31.
- •83023, М. Донецьк, вул. Харитонова, 10
5.5. Приклад 6. Дослідження даних
на наявність гетероскедастичності
за тестом рангової кореляції Спірмена
Приклад 6. Дослідити незалежні змінні рівень рентабельності та затрати капіталу на наявність гетероскедастичності за тестом рангової кореляції Спірмена. Необхідні дані наведено в таблиці 5.3.
Таблиця 5.3
,ум. од. |
62 |
64 |
66 |
67 |
70 |
78 |
80 |
87 |
89 |
90 |
100 |
, % |
10,7 |
10,9 |
11,0 |
11,1 |
11,3 |
12,2 |
12,4 |
14,1 |
14,2 |
14,5 |
15,1 |
,ум.од. |
38 |
35 |
30 |
29 |
31 |
28 |
26 |
23 |
21 |
20 |
20 |
Розв’язання.
Крок 1-й. За звичайними правилами використовуючи 1МНК, аналогічно як це було зроблено в прикладі 2, будуємо лінійну регресійну модель двофакторної регресії .
Отримаємо:
Крок 2-й. На основі побудованої моделі розраховуємо величини залишків , . Для зручності всі розрахунки заносимо в таблицю 5.4.
Таблиця 5.4
|
|
|
|
|
|
|
|
|
|
|
1 |
62 |
10,7 |
38 |
62,590 |
0,590 |
9 |
11 |
1 |
4 |
64 |
2 |
64 |
10,9 |
35 |
64,623 |
-0,623 |
8 |
10 |
2 |
4 |
36 |
3 |
66 |
11,0 |
30 |
66,433 |
-0,433 |
10 |
9 |
4 |
1 |
36 |
4 |
67 |
11,1 |
29 |
66,944 |
0,336 |
11 |
8 |
5 |
9 |
36 |
5 |
70 |
11,3 |
31 |
67,336 |
1,763 |
4 |
7 |
3 |
9 |
1 |
6 |
76 |
12,2 |
28 |
68,237 |
0,993 |
7 |
6 |
6 |
1 |
1 |
7 |
78 |
12,4 |
26 |
76,814 |
1,186 |
5 |
5 |
7 |
0 |
4 |
8 |
87 |
14,1 |
23 |
88,999 |
1,999 |
3 |
4 |
8 |
1 |
25 |
9 |
89 |
14,2 |
21 |
90,129 |
1,129 |
6 |
3 |
9 |
9 |
9 |
10 |
90 |
14,5 |
20 |
92,386 |
2,236 |
2 |
2 |
10,5 |
0 |
72,5 |
11 |
100 |
15,1 |
20 |
96,446 |
3,364 |
1 |
1 |
10,5 |
0 |
90,5 |
Сума |
|
|
|
|
|
|
|
|
38 |
374,5 |
Крок 3-й. Ранжуємо абсолютні величини залишків . Найбільшому значенню присвоюємо ранг 1, наступному меншому ранг 2 і т.д.
Аналогічну операцію виконуємо для факторних ознак , . Тобто проводиться ранжування значень , , . Найбільшим значенням ознак , присвоюємо ранги 1, наступним меншим ранги 2 і т.д. Відповідні ранги факторних ознак позначимо , . Дані заносимо в таблицю 5.4.
Крок 4-й. Для кожної змінної , обчислюється різниця рангів , , , і визначаємо коефіцієнти рангової кореляції Спірмена за формулою
,
де - обсяг вибірки.
Таким чином отримаємо
.
Тобто зв’язок між значеннями і величиною залишків прямий і тісний. Аналогічно знаходимо . Зв’язок між значеннями і величиною залишків обернений і тісний.
Крок 5-й. Перевіряємо значущість коефіцієнтів рангової кореляції і за критерієм Стьюдента. Для цього розрахуємо - критерій Стьюдента за формулою
,
тоді , а .
Обчислені значення критеріїв порівнюємо з табличним для числа ступенів свободи і рівня значущості . Так як , то гіпотеза про наявність гетероскедастичності приймається, і так як, то має місце гетероскедастичність залишків як за ознакою , так і за ознакою .
Як бачимо, параметричний тест Гольдфельда-Квандта і тест рангової кореляції Спірмена дають однакову відповідь.