- •Экономическое моделирование стоимости квартир в Челябинске
- •1. Построим парную регрессию.
- •1.1 Оценим параметры уравнения с помощью метода наименьших квадратов.
- •1.2 Оценим адекватность построенной модели по критерию:
- •1.3 Определите значимость переменных:
- •2. Построим линейную множественную регрессию.
- •2.1 Оценим параметры уравнения с помощью метода наименьших квадратов.
- •2.2 Оценим адекватность построенной модели по критерию:
- •2.3 Определите значимость переменных:
- •2.4 Найдем среднюю ошибку аппроксимации:
- •2.5 Вычислим коэффициент детерминации:
- •2.6 Линейные коэффициенты корреляции между всеми членами регрессии:
- •2.7 Проверим гипотезу о значимости уравнения с помощью критерия Фишера:
- •2.8 Проверим модель на отсутствие автокорреляции.
- •2.9 Проверка на гетероскедастичность моделей
- •Список используемой литературы
1.3 Определите значимость переменных:
Значимость коэффициентов уравнения регрессии а0, а1, а2 оценим с использованием t-критерия Стьюдента.
- коэффициент свободного члена незначим
- коэффициент перед х1 значим
Расчетные значения t-критерия Стьюдента для коэффициентов уравнения регрессии, приведены в столбце “t-статистика” таблицы 3.
Табличное значение t-критерия при 5% уровне значимости и степенях свободы (30 – 1 – 1 = 28) составляет 2,368, если |tрасч| > tтабл, то коэффициент - существен (значим).
1.4 Найдем среднюю ошибку аппроксимации:
.
А = 752,84/30 = 25,09%
В среднем расчетные значения для линейной модели отличаются от фактических значений на 25,09%. Модель не достаточно точная.
д) Вычислим коэффициент детерминации:
R2 = 0,557
Вариация результата Y на 55,7% объясняется вариацией фактора X1.
1.5 линейные коэффициенты корреляции между всеми членами регрессии:
- линейный коэффициент корреляции между х1 и y
Связь между фактором y и х1 заметная, прямая.
1.6 Проверим гипотезу о значимости уравнения с помощью критерия Фишера:
Сравним Fфакт с Fтабл при уровне значимости α=0,05 и количестве степеней свободы k1 = m = 1, k2 = n - m – 1 = 30 – 1 – 1 = 28.
Fтабл(1; 28) = 4,196.
Так как Fфакт > Fтабл, то уравнение регрессии в целом значимо.
1.7 Проверим модель на отсутствие автокорреляции.
Так как
, то уровни ряда остатков независимы.
Воспользуемся критерием по первому коэффициенту автокорреляции:
то гипотеза об отсутствии автокорреляции в ряду остатков может быть принята, следовательно, свойство выполняется.
1.8 Проверка на гетероскедастичность моделей
1. Нормальное распределение случайных возмущений для всех наблюдений.
2. Средние значения случайных возмущений в каждом наблюдении равно нулю.
3. Распределения одинаковы для всех наблюдений.
Так как все условия выполняются, то гипотеза о гомоскедастичности случайных возмущений принимается.
Поле корреляции между независимой переменной и квадратом случайной ошибки выглядит следующим образом (рис. 2)
Рис. 2 - Графический анализ остатков
Таким образом, полученные оценки коэффициентов регрессионного уравнения действительно являются несмещенными, эффективными и состоятельными, а само уравнение может использоваться для моделирования и прогнозирования стоимости квартиры.
2. Построим линейную множественную регрессию.
2.1 Оценим параметры уравнения с помощью метода наименьших квадратов.
Составим систему уравнений:
Найдем коэффициенты уравнения в программе Excel. Сервис – Анализ данных – Регрессия.
Таблица 6 - Результат регрессионного анализа
Таким образом, теоретическое уравнение множественной регрессии имеет вид:
Коэффициенты регрессии приведены в столбце“Коэффициенты”таблицы 6.
2.2 Оценим адекватность построенной модели по критерию:
случайности остаточной компоненты по критерию пиков.
Таблица 7 - Расчет адекватности модели
t |
E(t) |
E2(t) |
E(t)-E(t-1) |
[E(t)-E(t-1)]2 |
E(t)*E(t-1) |
|E(t)/Y(t)|*100 % |
1 |
5,366 |
28,797 |
- |
- |
- |
4,67 |
2 |
20,688 |
427,992 |
15,322 |
234,753 |
111,018 |
24,34 |
3 |
16,024 |
256,759 |
-4,664 |
21,755 |
331,498 |
23,22 |
4 |
13,226 |
174,931 |
-2,798 |
7,826 |
211,932 |
23,20 |
5 |
-39,508 |
1560,877 |
-52,734 |
2780,886 |
-522,539 |
21,40 |
6 |
-14,364 |
206,337 |
25,144 |
632,196 |
567,509 |
25,65 |
7 |
16,313 |
266,114 |
30,677 |
941,104 |
-234,327 |
19,19 |
8 |
-86,156 |
7422,888 |
-102,469 |
10499,931 |
-1405,465 |
32,51 |
9 |
21,363 |
456,388 |
107,519 |
11560,427 |
-1840,575 |
35,22 |
10 |
-0,615 |
0,378 |
-21,978 |
483,030 |
-13,132 |
0,47 |
11 |
-7,339 |
53,856 |
-6,724 |
45,212 |
4,511 |
15,95 |
12 |
-26,933 |
725,390 |
-19,594 |
383,940 |
197,654 |
23,42 |
13 |
11,907 |
141,772 |
38,840 |
1508,537 |
-320,687 |
16,84 |
14 |
6,790 |
46,110 |
-5,116 |
26,177 |
80,853 |
17,19 |
15 |
-23,607 |
557,291 |
-30,397 |
924,006 |
-160,303 |
29,92 |
16 |
27,335 |
747,209 |
50,942 |
2595,100 |
-645,300 |
45,56 |
17 |
21,990 |
483,571 |
-5,345 |
28,568 |
601,106 |
21,99 |
18 |
31,349 |
982,781 |
9,359 |
87,592 |
689,380 |
61,47 |
19 |
-10,559 |
111,498 |
-41,909 |
1756,329 |
-331,026 |
6,73 |
20 |
37,382 |
1397,379 |
47,941 |
2298,319 |
-394,721 |
30,27 |
21 |
-11,036 |
121,793 |
-48,418 |
2344,257 |
-412,543 |
19,99 |
22 |
20,032 |
401,293 |
31,068 |
965,239 |
-221,076 |
20,98 |
23 |
14,161 |
200,542 |
-5,871 |
34,469 |
283,683 |
24,59 |
24 |
31,914 |
1018,476 |
17,752 |
315,143 |
451,937 |
49,48 |
25 |
15,733 |
247,517 |
-16,181 |
261,821 |
502,086 |
17,10 |
26 |
23,992 |
575,599 |
8,259 |
68,211 |
377,453 |
23,99 |
27 |
13,194 |
174,070 |
-10,798 |
116,599 |
316,535 |
25,87 |
28 |
-103,514 |
10715,102 |
-116,707 |
13620,600 |
-1365,714 |
65,93 |
29 |
-14,700 |
216,095 |
88,814 |
7887,857 |
1521,670 |
11,90 |
30 |
-10,428 |
108,736 |
4,272 |
18,254 |
153,289 |
18,89 |
Итого |
0,000 |
29827,542 |
|
62448,138 |
-1465,294 |
757,95 |
Так как количество поворотных точек равно 20 (р = 20), то неравенство выполняется
p > 14; 20 > 14
Следовательно, свойство случайности выполняется.
независимости уровней ряда остатков по d-критерию (d1 = 1,08, d2 = 1,36) или по первому коэффициенту корреляции, критический уровень которого равен r(1) = 0,36.
Так как
, то уровни ряда остатков независимы.
Воспользуемся критерием по первому коэффициенту автокорреляции:
то гипотеза об отсутствии автокорреляции в ряду остатков может быть принята, следовательно, свойство выполняется.
Нормальности распределения относительной компоненты по R/S – критерию с критическими уровнями 2,7 – 4,8
Так как расчетное значение попадает в интервал, следовательно, свойство нормальности распределения выполняется.
Так как выполняются все условия, то, следовательно, модель адекватна данному временному ряду.