
- •080105.65 ‑ Финансы и кредит;
- •080107.65 – Налоги и налогообложение;
- •080103.65 ‑ Национальная экономика
- •Введение 5
- •Введение
- •Глава 1. Корреляционный анализ §1.1. Корреляционный анализ в сильных шкалах
- •§1.2. Корреляционный анализ в слабых шкалах
- •Глава 2. Парный регрессионный анализ §2.1. Линейная модель парной регрессии
- •§2.2. Парный линейный регрессионный анализ в ms Excel
- •2.2.1. Добавление линейного тренда
- •2.2.2. Интерпретация линии тренда
- •2.2.3. Усовершенствование линии тренда
- •2.2.4. Инструмент анализа Регрессия
- •2.2.5. Интерпретация регрессии
- •2.2.6. Диаграммы регрессии
- •2.2.6. Регрессионные функции
- •§2.3. Парный нелинейный регрессионный анализ в ms Excel
- •2.3.1. Полиномиальное приближение
- •2.3.2. Логарифмическое приближение
- •2.3.3. Показательное приближение
- •2.3.4. Экспоненциальное приближение
- •Глава 3. Множественный линейный регрессионный анализ
- •§3.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •§3.2. Метод наименьших квадратов (мнк). Свойства оценок на основе мнк
- •§3.3. Проверка существенности факторов и показатели качества регрессии
- •§3.4. Линейные регрессионные модели с гетероскедастичными остатками
- •§3.5. Обобщенный метод наименьших квадратов (омнк)
- •§3.6. Регрессионные модели с переменной структурой (фиктивные переменные)
- •Решение
- •Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Глава 4. Множественный линейный регрессионный анализ средствами ms Excel
- •§4.1. Интерпретация результатов регрессии
- •Значимость коэффициентов
- •Интерпретация регрессионных статистик
- •Интерпретация анализа дисперсии
- •§4.2. Анализ остатков
- •§4.3. Использование линии тренда для прогноза
- •Интерпретация прогноза
- •Глава 5. Гетероскедастичность и автокорреляция
- •§5.1. Обнаружение гетероскедастичности
- •Графический анализ остатков
- •Тест ранговой корреляции Спирмена
- •Тест Голдфелда-Квандта
- •§5.2. Методы смягчения проблемы гетероскедастичности
- •Дисперсии отклонений известны (метод взвешенных наименьших квадратов)
- •5.2.2. Дисперсии отклонений неизвестны
- •§5.3. Автокорреляция
- •Суть и причины автокорреляции
- •Обнаружение автокорреляции
- •Математико-статистические таблицы в.1. Таблица значений -критерия Фишера при уровне значимости
- •В.2. Критические значения -критерия Стьюдента при уровне значимости 0,10, 0,05, 0,01 (двухсторонний)
- •В.3. Значения статистик Дарбина-Уотсона при 5%-ом уровне значимости
- •Список основной литературы
- •Александр Леонидович осипов Евгений Алексеевич рапоцевич практикум по эконометрике
- •080105.65 ‑ Финансы и кредит;
- •080107.65 – Налоги и налогообложение;
- •080103.65 ‑ Национальная экономика
2.2.2. Интерпретация линии тренда
Ответ
на вопрос «Каково среднее соотношение»
можно получить, изучая уравнение
аппроксимации
,
которое перепишем в виде
Предсказанная цена = 18,789 + 0,021*Площадь.
Смещение по или постоянный член в уравнении равно 18,789 и измеряется в тех же единицах, что и переменная . Проще говоря, постоянный член показывает, что недвижимость без жилой площади имеет цену 18,789 тысяч долларов. Однако в данных наименьшая жилая площадь равна 521 квадратным футам, поэтому данная константа может рассматриваться как стартовая точка для объектов недвижимости с жилой площадью между 521 и 1298 квадратными футами.
Наклон или коэффициент регрессии 0,021 показывает среднее изменение переменной при единичном изменении переменной . В нашем примере единица измерения 0,021 тысяч долларов за квадратный фут или $21 за квадратный фут. Если два объекта отличаются на 100 квадратных футов жилой площади, то можно ожидать, что их стоимости будут отличаться на 0,021*100=2,1 тысяч долларов, или $2100.
Одним из распространенных способов ответить на вопрос «На сколько хорошо приближение» является исследование значения , которое измеряет долю изменения зависимой переменной и выражается через перемену и линию регрессии. Здесь значение равно 0,06637 и показывает, что примерно 66% колебаний стоимости может быть выражено линейной моделью от жилой площади. Возможно, остальные 34% колебаний могут быть выражены через другие параметры объектов в регрессионной модели со многими параметрами.
2.2.3. Усовершенствование линии тренда
Если уравнение, отображаемое на диаграмме, используется для предсказания стоимости, то результаты могут быть неточными, так как смещение и наклон выражены только с тремя десятичными знаками. Чтобы получить большее количество десятичных знаков, дважды щелкните по диаграмме, чтобы активизировать ее, и щелкните по области с уравнением и значением , чтобы выделить и редактировать их. Затем нажмите несколько раз по кнопке Увеличить разрядность, пока не отобразится необходимое количество десятичных знаков. Значения коэффициентов уравнения на рис. 2.9. были получены двумя щелчками по кнопке Увеличить разрядность и, таким образом, точность была увеличена с трех до пяти знаков. Данные изменения касаются как уравнения, так и значения , и они должны производиться раньше всех остальных действий.
Если уравнение и значение выделены, то вы можете переместить весь текст, щелкнув у границы выделения и перетащив в нужное место, также вы можете использовать обычные возможности редактирования текста. На рис. 2.9. приведены результаты такого редактирования, где вместо и были подставлены названия переменных, слагаемые поменяли порядок и последние три значимые цифры были удалены. После того как вы начали такое редактирование, вы не сможете использовать функции Уменьшить или Увеличить разрядность для изменения точности.
Площадь |
Цена |
|
|
|
|
|
|
|
|
|
521 |
26 |
|
|
|
|
|
|
|
|
|
661 |
31 |
|
|
|
|
|
|
|
|
|
694 |
37,4 |
|
|
|
|
|
|
|
|
|
743 |
34,8 |
|
|
|
|
|
|
|
|
|
787 |
39,2 |
|
|
|
|
|
|
|
|
|
825 |
38 |
|
|
|
|
|
|
|
|
|
883 |
39,6 |
|
|
|
|
|
|
|
|
|
920 |
31,2 |
|
|
|
|
|
|
|
|
|
965 |
37,2 |
|
|
|
|
|
|
|
|
|
1011 |
38,4 |
|
|
|
|
|
|
|
|
|
1047 |
43,6 |
|
|
|
|
|
|
|
|
|
1060 |
44,8 |
|
|
|
|
|
|
|
|
|
1079 |
40,6 |
|
|
|
|
|
|
|
|
|
1164 |
41,8 |
|
|
|
|
|
|
|
|
|
1298 |
45,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.9. Окончательная линия тренда на графике