- •(А) Вычисляем матрицу
- •(Б) Оцениваем параметры β1, β2, β3 линейной модели множественной регрессии
- •(В) Вычисляем коэффициент детерминации r2
- •(Д) Оцениваем стандартные ошибки оценок параметров модели
- •(Е) импортируем данные в эконометрический пакет Gretl, оцениваем те же параметры, что оценивали в пунктах (б)–(д)
- •Зависимая переменная: y
- •(Ж) Определяем, является ли уравнение модели в целом значимым (при уровне значимости 5%)
- •(З) Определяем, какие из переменных модели являются значимыми на пятипроцентном уровне значимости
(Е) импортируем данные в эконометрический пакет Gretl, оцениваем те же параметры, что оценивали в пунктах (б)–(д)
Импорт данных из таблицы Exel осуществляется самой программой Gretl. Когда данные импортированы, их можно начинать анализировать. Например, во вкладке "модель" программы можно выбрать "метод наименьших квадратов", разнести зависимую и независимые переменные по группам и получить модель следующего вида:
Модель 1: МНК, использованы наблюдения 1-30
Зависимая переменная: y
|
К |
Ст. ошибка |
t-статистика |
P-значение |
|
const |
250,088 |
1,46694 |
170,4826 |
<0,00001 |
*** |
X_1_ |
-1,49312 |
0,0155161 |
-96,2301 |
<0,00001 |
*** |
X_2_ |
7,00203 |
0,0152002 |
460,6535 |
<0,00001 |
*** |
Среднее зав. перемен |
-241,5900 |
|
Ст. откл. зав. перемен |
169,5822 |
С |
99,72378 |
|
Ст. ошибка модели |
1,921841 |
R-квадрат |
0,999880 |
|
Испр. R-квадрат |
0,999872 |
F(2, 27) |
112886,4 |
|
Р-значение (F) |
1,12e-53 |
Лог. правдоподобие |
-60,58626 |
|
Крит. Акаике |
127,1725 |
Крит. Шварца |
131,3761 |
|
Крит. Хеннана-Куинна |
128,5173 |
Исходя из результатов, обозначенных в таблице, можем судить о том, что расчет в программе Exel и расчет в программе Gretl дают одинаковые результаты для коэффициентов модели, стандартных ошибок модели и коэффициента детерминации модели.
Эконометрический пакет Gretl дает информацию о ковариационной матрице оценок параметров. Чтобы получить эту информацию, нужно открыть вкладку "анализ" в модели, полученной методом наименьших квадратов, и выбрать "матрица коэффициентов ковариации":
Ковариационная матрица для
коэффициентов регрессии
const |
X_1_ |
X_2_ |
|
2,15192 |
-0,0181241 |
0,0188964 |
const |
|
0,000240750 |
-0,000102932 |
X_1_ |
|
|
0,000231046 |
X_2_ |
Данный результат также совпадает с результатом, полученным выше ресурсами Exel.
(Ж) Определяем, является ли уравнение модели в целом значимым (при уровне значимости 5%)
Вывод о значимости уравнения в целом можно сделать на основании F-статистики (в "модели 1" предоставлена информация о критическом значении F). Также можно воспользоваться Р-значением (F):
Модель 1: МНК, использованы наблюдения 1-30
Зависимая переменная: Y
|
Коэффициент |
Ст. ошибка |
t |
P |
|
const |
250,088 |
1,46694 |
170,4826 |
<0,00001 |
*** |
X_1_ |
-1,49312 |
0,0155161 |
-96,2301 |
<0,00001 |
*** |
X_2_ |
7,00203 |
0,0152002 |
460,6535 |
<0,00001 |
*** |
Среднее зав. перемен |
-241,5900 |
|
Ст. откл. зав. перемен |
169,5822 |
Сумма кв. остатков |
99,72378 |
|
Ст. ошибка модели |
1,921841 |
R-квадрат |
0,999880 |
|
Испр. R-квадрат |
0,999872 |
F(2, 27) |
|
|
Р-значение (F) |
|
Лог. правдоподобие |
-60,58626 |
|
Крит. Акаике |
127,1725 |
Крит. Шварца |
131,3761 |
|
Крит. Хеннана-Куинна |
128,5173 |
Число 1,12е-53 гораздо меньше, чем 0,05, что говорит о значимости уравнения в целом на пятипроцентном уровне.

оэффициент
умма
кв. остатков
-статистика
-значение
112886,4
1,12e-53