- •Задача № 1
- •Задание:
- •Решение
- •Исходные данные, расположенные по возрастанию фактора X
- •4. А) оценка тесноты связи показателей парной линейной регрессии.
- •5. Оценим качество уравнения с помощью f-критерия Фишера.
- •Задача № 2
- •2. Выполним расчет β-коэффициентов.
- •3. Найдем уравнение регрессии в естественной форме:
- •4. Вычислим множественный коэффициент детерминации:
Задача № 2
Проводится анализ значений социально-экономических показателей по территориям Северо-Западного федерального округа РФ за 2000 год:
Y – Валовой региональный продукт, млрд. руб.;
X1 – Инвестиции 2000 года в основной капитал, млрд. руб.;
X2 – Среднегодовая стоимость основных фондов в экономике, млрд. руб.;
X3 – Кредиты, предоставленные в 2000 году предприятиям, организациям, банкам и физическим лицам, млрд. руб.
Требуется изучить влияние указанных факторов на стоимость валового регионального продукта.
Предварительный анализ исходных данных по 10 территориям выявил наличие одной территории (г.Санкт-Петербург) с аномальными значениями признаков. Эта единица должна быть исключена из дальнейшего анализа. Значения приводимых показателей рассчитаны без учёта указанной аномальной единицы.
При обработке исходных данных получены следующие значения:
А) - линейных коэффициентов парной корреляции, средних и средних квадратических отклонений -σ:
N=9.
|
Y |
X1 |
X2 |
X3 |
Y |
1 |
0,7677 |
0,8653 |
0,4237 |
X1 |
0,7677 |
1 |
0,8897 |
0,0157 |
X2 |
0,8653 |
0,8897 |
1 |
-0,0179 |
X3 |
0,4237 |
0,0157 |
-0,0179 |
1 |
Средняя |
31,92 |
8,87 |
121,18 |
0,5683 |
σ |
14,61 |
5,198 |
48,19 |
0,6942 |
Б) - коэффициентов частной корреляции
|
Y |
X1 |
X2 |
X3 |
Y |
1 |
-0,1462 |
0,8737 |
0,8791 |
X1 |
-0,1462 |
1 |
0,5562 |
0,1612 |
X2 |
0,8737 |
0,5562 |
1 |
-0,7842 |
X3 |
0,8791 |
0,1612 |
-0,7842 |
1 |
Задание:
1. По значениям линейных коэффициентов парной и частной корреляции выберите неколлинеарные факторы и рассчитайте для них коэффициенты частной корреляции. Проведите окончательный отбор информативных факторов во множественную регрессионную модель.
2. Выполните расчёт бета коэффициентов () и постройте с их помощью уравнение множественной регрессии в стандартизованном масштабе. Проанализируйте с помощью бета коэффициентов () силу связи каждого фактора с результатом и выявите сильно и слабо влияющие факторы.
3. По значениям -коэффициентов рассчитайте параметры уравнения в естественной форме (a1, a2 и a0). Проанализируйте их значения. Сравнительную оценку силы связи факторов дайте с помощью общих (средних) коэффициентов эластичности - .
4. Оцените тесноту множественной связи с помощью R и R2, а статистическую значимость уравнения и тесноту выявленной связи - через F-критерий Фишера (для уровня значимости =0,05).
5. Рассчитайте прогнозное значение результата, предполагая, что прогнозные значения факторов составят 102,1 процента от их среднего уровня.
6. Основные выводы оформите аналитической запиской.
Решение
1. В данной модели результативный признак Y наиболее тесно связан с факторами X1 и X2, т.к. соответствующие коэффициенты корреляции больше 0,7. Факторы X1 и X2 также находятся в тесной взаимосвязи друг с другом, следовательно, в модели присутствует мультиколлинеарность. Связь результативного признака Y с фактором X3 умеренная, т.к. коэффициент корреляции ( ) находится в пределах от 0,3 до 0,5, причем фактор X3 не связан с остальными факторами X1 и X2.
Определим частные коэффициенты корреляции:
;
;
.
Как видим, факторы X1 и X3 действительно тесно связаны с результатом, а между собой взаимодействуют не так тесно. Отметим, что фактор X1 в большей степени влияет на результат Y , чем фактор X3.
;
;
.
На результативный признак Y оказывают значительное влияние как фактор X2, так и X3.
;
;
Факторы X1 и X2 связаны между собой сильнее, чем с результативным признаком Y. Частный коэффициент корреляции показывает, что при исключении фактора X2, связь Y с X1 практически отсутствует. Высокое значение коэффициента парной корреляции объясняется влиянием фактора X2.
Таким образом, следует оставить в модели факторы X2 и X3.